1、地震是地殼快速釋放能量造成震動，期間產生震動波的一種自然現(xiàn)象。每年全球會發(fā)生約550萬次地震，地震的發(fā)生往往會造成嚴重的人員傷亡和財產損失。我國是一個地震多發(fā)的國家，對于地震預測的研究有著非常重要的意義。地震的成因有很多，人類至今對地震的成因和規(guī)律還認識得不夠。地震學家不能直接觀測地球內部，因此非常缺乏影響地震發(fā)生過程的種種因素的觀測數(shù)據(jù)。這造成了地震預測的研究進程緩慢，并且準確度不夠理想。
　　 在計算機技術高速發(fā)展的今天，大

2、量的預測算法被開發(fā)，這些預測算法無論在效率上還是在準確性上都優(yōu)于傳統(tǒng)的預測方法。本文利用機器學習算法中非常經(jīng)典的BP神經(jīng)網(wǎng)絡算法，構建一個地震預測模型。
　　 地震預測過程中，一個很重要的步驟是對特征的選取。本文的研究內容是以年份為特征，預測某目標地區(qū)在該年份發(fā)生各震級地震的次數(shù)。如果以地震次數(shù)作為BP網(wǎng)絡的輸出，會造成低震級地震的誤差所占總誤差權重過大，所以本文采取的方法是以地震次數(shù)的對數(shù)作為BP網(wǎng)絡的輸出。為了使數(shù)據(jù)更適合B

3、P網(wǎng)絡來訓練和預測，必須在將數(shù)據(jù)輸入到BP網(wǎng)絡訓練之前對歷史地震數(shù)據(jù)進行預處理。這部分的主要工作是將文件中的記錄依次讀入，再通過地震記錄中的時間、經(jīng)緯度、震級對地震信息進行篩選，統(tǒng)計該地區(qū)各年份各震級的發(fā)生次數(shù)并取對數(shù)。最后對輸入輸出分別做歸一化操作，小的輸入值可以使網(wǎng)絡更容易收斂，使用sigmoid單元的BP網(wǎng)絡輸出范圍為(0，1)，所以也要對輸出進行歸一化。
　　 最后利用本文提出的以地震預測年份作為BP神經(jīng)網(wǎng)絡輸入的模型，