花山鄉(xiāng)9月7日地震受災(zāi)情況匯報

花山鄉(xiāng)9月7日地震受災(zāi)情況匯報

201*年9月7日上午11時19分，在云南省昭通市彝良縣、貴州省畢節(jié)市威寧縣交界處發(fā)生5.7級地震。我鄉(xiāng)境內(nèi)有強烈震感，給部分群眾生產(chǎn)生活和房屋財產(chǎn)等帶來了極大的損失，截止9月7日晚21時50分，地震災(zāi)害造成受傷1人；房屋垮塌28戶31間，造成直接經(jīng)濟損失84萬元；畜圈垮塌8間，造成直接經(jīng)濟損失2.4萬元；房屋開裂1352戶，1500間，造成直接經(jīng)濟損失2250萬元；黃連村韭菜坪公路偏坡垮塌，阻斷公路8米，造成直接經(jīng)濟損失0.5萬元。合計造成直接經(jīng)濟損失達2336.9萬元。

“災(zāi)情就是命令”。地震發(fā)生后，鄉(xiāng)黨委政府高度重視，第一時間組織鄉(xiāng)村組干部趕赴受災(zāi)現(xiàn)場查災(zāi)救災(zāi)。一是立即啟動救災(zāi)應(yīng)急預(yù)案，成立抗震救災(zāi)領(lǐng)導(dǎo)組，組織鄉(xiāng)村組干部、醫(yī)護人員和民兵應(yīng)急分隊280人奔赴各受災(zāi)村民小組開展抗震救災(zāi)工作；二是加大災(zāi)情檢查核實，及時收集整理如實上報災(zāi)情；三是全力做好因災(zāi)傷員救治工作。迅速將受傷的人員轉(zhuǎn)移至花山衛(wèi)生院進行救治，及時轉(zhuǎn)院到縣人民醫(yī)院繼續(xù)治療，并發(fā)放201*.00元臨時生活費，目前傷員病情穩(wěn)定，無生命危險；四是關(guān)心受災(zāi)群眾生產(chǎn)生活。對房屋垮塌的農(nóng)戶進行及時轉(zhuǎn)移安置，連夜搭建救災(zāi)

帳篷20頂，安裝臨時照明用電，安置受災(zāi)群眾20戶92人，其余8戶已轉(zhuǎn)移并臨時借住于附近農(nóng)戶家中，每戶發(fā)放臨時生活費1000.00元，大米1袋，方便面1箱，確保受災(zāi)群眾有水喝，有飯吃，有房住。五是做好群眾思想穩(wěn)定工作，鄉(xiāng)村組干部走村串戶，廣泛宣傳抗震防震相關(guān)知識，做好群眾避讓避險工作，安撫慰問受災(zāi)群眾，目前廣大群眾情緒穩(wěn)定；六是做好后續(xù)排危工作，避免次生災(zāi)害發(fā)生，組織群眾積極開展生產(chǎn)自救，最大限度降低災(zāi)害損失；七是進一步強化領(lǐng)導(dǎo)，落實責(zé)任，實行24小時值班制度；八是縣民政局向我鄉(xiāng)支援的20頂帳篷和50床棉被已到達，將及時分發(fā)給受災(zāi)群眾，并組織鄉(xiāng)村干部幫助搭建。

面對突如其來的地震災(zāi)害，鄉(xiāng)黨委政府特向縣委、縣政府提出以下請求：一是幫助解決房屋垮塌的28戶農(nóng)戶重新修建住房所需資金的問題，按5萬元/戶計算，需資金140萬元；二是幫助解決房屋開裂農(nóng)戶加固房屋所需資金問題，按1.5萬元/戶計算，需資金2250萬元；三是我鄉(xiāng)各單位辦公樓不同程度受損，特請求幫助協(xié)調(diào)縣級各相關(guān)部門解決建設(shè)所需資金的問題；四是幫助解決受災(zāi)困難群眾的生活問題。

擴展閱讀：地震模型Word版

地震預(yù)測模型

摘要

地震預(yù)報是當(dāng)代自然科學(xué)領(lǐng)域里一個直接關(guān)系到人民生命安全和社會經(jīng)濟的發(fā)展，是科學(xué)難度很大的前沿課題。近幾十年來，人民的努力雖然取得了豐碩的成果，預(yù)報的實踐有些有限的成功。

在地震發(fā)生前有很多前兆性指標(biāo)，如磁場強度、氡值、電壓、雨量、水溫等，這些指標(biāo)都從不同的側(cè)面反映了地震活動的各項特征。在正常情況下，也常常有些指標(biāo)有明顯的異常，而令一些指標(biāo)并不出現(xiàn)異常。這些都給實際的前兆指標(biāo)數(shù)據(jù)特征分析以及地震預(yù)報工作帶來了困難。

本文針對地震影響因素多，數(shù)據(jù)多，聯(lián)系弱的特點，分別建立了針對各個任務(wù)的數(shù)學(xué)模型，首先，處理初始數(shù)據(jù)時選取日平均變化來消除一天中數(shù)據(jù)的隨機因素的影響，然后更具這些數(shù)據(jù)建立了地震發(fā)生前后各個指標(biāo)的不同程度度量模型解決了地震對指標(biāo)的敏感度的度量問題，進而找出了EW，氣氡，水位，電壓，雨量這些衡量地震的主要因素，并分析出了這些指標(biāo)的重要程度，在解決找統(tǒng)計量時，利用上次任務(wù)所得的主要因素的組合來衡量一次地震的地震前兆指標(biāo)數(shù)量特征，并得出了電壓達到26.8754，氣氡達到17.685左右時就有地震發(fā)生的可能性，考慮全面周到，效果較好，在模型改進中所提出的判別分析法，科學(xué)有效，對數(shù)據(jù)利用率較高。而除此之外的其他幾個指標(biāo)與震級有關(guān)，這樣就這些指標(biāo)的分析在任務(wù)三中分別建立了地磁前兆異常的動態(tài)從屬函數(shù)模型以及非線性綜合模型，進而找出了地震級數(shù)與這些因素之間的非線性關(guān)系，對于上述數(shù)學(xué)方法在地震預(yù)測預(yù)報中的應(yīng)用沒有達到預(yù)期效果，須進一步研究改進。綜合這些工作，我們應(yīng)用易語言編寫了分析地震數(shù)據(jù)的平臺，通過分析地震數(shù)據(jù)生成了報告。

一、問題重述

地震是地殼快速釋放能量過程中造成的振動。雖然預(yù)測地震是世界性難題，但迄今科學(xué)界普遍認為，有可能反映地震前兆特征的指標(biāo)可能不少于10個。已經(jīng)有專業(yè)儀器在多個定點實時按秒記錄這些指標(biāo)的數(shù)據(jù)，期望通過對記錄數(shù)據(jù)的分析研究找到地震的前兆特征。

現(xiàn)已采集到某地201*年1月1日至201*年6月30日按小時觀測的10多個指標(biāo)的數(shù)據(jù)，和該地區(qū)該時期內(nèi)已發(fā)生地震的時刻、經(jīng)緯度、震級及震源深度的數(shù)據(jù)。這些數(shù)據(jù)中隱藏著地震發(fā)生的前兆特征�？茖W(xué)地截取這些數(shù)據(jù)的有用片段，對數(shù)據(jù)進行合理地預(yù)處理，用數(shù)學(xué)方法揭示地震前兆的數(shù)據(jù)特征，是一項很有意義的研究工作。

題給數(shù)據(jù)中的這10多個指標(biāo)，究竟哪些與地震的發(fā)生有關(guān)，有何種關(guān)系，是單一關(guān)系還是復(fù)合關(guān)系；除這10多個指標(biāo)外還有哪些因素及含題給指標(biāo)在內(nèi)的哪些指標(biāo)的哪種數(shù)學(xué)模型更能反映地震的前兆特征等等，人們迄今仍不很清楚，需要進行深入地研究。地震數(shù)據(jù)的觀測是持續(xù)進行的，隨著時間的推移數(shù)據(jù)的規(guī)模會不斷擴大。從中挖掘地震的前兆特征，必須有合理的數(shù)學(xué)模型，也必須有科學(xué)高效的算法分析平臺。因此，請參賽隊結(jié)合附件中給出的實際記錄數(shù)據(jù)，嘗試完成以下任務(wù)。

任務(wù)一：分析數(shù)據(jù)特征，建立數(shù)學(xué)模型以度量各指標(biāo)對地震發(fā)生的敏感程度。任務(wù)二：構(gòu)造由某些或全部指標(biāo)構(gòu)成的綜合指標(biāo)，使其盡可能地集中反映地

震發(fā)生前的數(shù)據(jù)特征的統(tǒng)計規(guī)律。

任務(wù)三：結(jié)合題給數(shù)據(jù)，廣泛查閱與地震相關(guān)的其它指標(biāo)的數(shù)據(jù)和分析方法，

建立數(shù)學(xué)模型來研究地震發(fā)生前的數(shù)量特征。

任務(wù)四：將前述各項任務(wù)的計算程序集結(jié)成地震數(shù)據(jù)分析平臺，使其能夠完

成形如題給數(shù)據(jù)的其它地震數(shù)據(jù)的分析，并能自動輸出前述任務(wù)的重要的分析結(jié)果。

任務(wù)五：對于進一步的研究設(shè)想寫一篇切實可行的報告。

二、問題分析

地震是地下巖層受應(yīng)力作用錯動破裂造成的地面震動，是一種破壞性極強的自然災(zāi)害，是自然災(zāi)害之首惡。地震可以在很短的時間內(nèi)使一座城市夷為平地，使無數(shù)的家庭支離破碎。為了有效地減小地震帶來的損失，對地震進行預(yù)測則很重要。

本題中給出了地震發(fā)生前201*年1月1日至201*年6月30日按小時觀測的10多個指標(biāo)的數(shù)據(jù)和該地區(qū)該時期內(nèi)已發(fā)生地震的時刻、經(jīng)緯度、震級及震源深度的數(shù)據(jù)。這些數(shù)據(jù)中隱藏著地震發(fā)生的前兆特征。在地震發(fā)生前有很多前兆性指標(biāo)，如磁場強度、氡值、電壓、雨量、水溫等，這些指標(biāo)都從不同的側(cè)面反映了地震活動的各項特征。在正常情況下，也常常有些指標(biāo)有明顯的異常，而令一些指標(biāo)并不出現(xiàn)異常。這些都給實際的前兆指標(biāo)數(shù)據(jù)特征分析以及地震預(yù)報工作帶來了困難。2．1、問題的性質(zhì)

本文主要是對所給數(shù)據(jù)進行處理，用數(shù)學(xué)方法揭示地震前兆的數(shù)據(jù)特征。2.2、解決問題的難點和關(guān)鍵

1、如何確定前兆個指標(biāo)對地震發(fā)生的敏感程度。

2、如何構(gòu)造地震發(fā)生的前兆綜合指標(biāo)，盡可能的揭示地震發(fā)生前的數(shù)據(jù)特征的統(tǒng)計規(guī)律。

3、構(gòu)建地震數(shù)據(jù)分析平臺。

三、模型假設(shè)

1、假設(shè)地震發(fā)生前201*年1月1日至201*年6月30日按小時觀測的10多指標(biāo)的數(shù)據(jù)是準(zhǔn)確無誤的。2、假設(shè)由于其他因素而引起10多個指標(biāo)數(shù)據(jù)的變化以及非正常波動可以忽略不計。

3、假設(shè)第二問剔除由第一問求出的敏感度較低的指標(biāo)對地震的敏感度可以忽略不計。

4、假設(shè)地震的前兆指標(biāo)的數(shù)據(jù)特征符合一定的概率統(tǒng)計分布。

四、符號說明

1i(t)

i2(t)(j)2第i次地震的地震前的檢測指標(biāo)隨時間的變化規(guī)律第i次地震的地震后的檢測指標(biāo)隨時間的變化規(guī)律第i次地震的地震后的預(yù)測指標(biāo)隨時間的變化規(guī)律地震級別組成的集合

地震前兆測量指標(biāo)集合各因素所占的權(quán)重地震前兆預(yù)測異常特征量觀測值的自相關(guān)系數(shù)

觀測曲線Y(t)對應(yīng)于時間軸的斜率

(t)

DE

girK

五、模型的建立與求解

5.1數(shù)據(jù)的處理與分析

5.1.1、各指標(biāo)數(shù)據(jù)的分析

在地震活動性分析中有許多前兆性的數(shù)據(jù)指標(biāo)，例如題中數(shù)據(jù)給出的氡值、水位、磁場強度等因素。這些指標(biāo)在不同的側(cè)面反映了地震活動的各種特征。但在實際的預(yù)報中，常常有些參數(shù)在一些中強以上的地震前出現(xiàn)比較明顯。在正常情況下，也常常有些參數(shù)出現(xiàn)較明顯的異常，而另一些參數(shù)并不出現(xiàn)異常。這些都給實際預(yù)報帶來了困難。5.1.2數(shù)據(jù)的預(yù)處理

由于題目中給出地震每小時測數(shù)據(jù)受其他因素受天氣、氣候等其他外在因素的影響造成的數(shù)據(jù)波動較大，為了剔除偶然因素的影響，本文采取了求日平均的方法來對數(shù)據(jù)進行預(yù)處理。如下圖分別列舉了201*/201*的EW人均值圖像。由于篇幅有限，其他年份指標(biāo)的圖像都附在附錄里面。

圖1：201*年EW日平均變化趨勢圖

圖2：201*年EW日平均變化趨勢圖

本數(shù)據(jù)預(yù)處理使用了均值結(jié)構(gòu)模型消除了其他偶然因素的影響，使地震前兆指標(biāo)數(shù)據(jù)更加準(zhǔn)確的反應(yīng)地震發(fā)生的前兆信息。

5.2模型的建立與求解

5.2.1指標(biāo)敏感度模型

設(shè)變量x的變化規(guī)律如下所示：

,t1t,01(t)tx(t)

(t),tt,t012（1）

求t0前后1(t)與2(t)的不同敏感程度。

現(xiàn)已知一函數(shù)序列(i)2(t)，tt0,t1表示第i年(ij)的2(t)的變化規(guī)律，現(xiàn)在結(jié)合(j)1(t)來求(j)2(t)，現(xiàn)在若(j)2(t)已知，如何求出(j)2(t)與(j)2(t)的

關(guān)聯(lián)程度。若關(guān)聯(lián)程度較大，則(j)2(t)與(i)1(t)不同程度表示：即定義(j)1(t)與(j)2(t)的不同程度為：

p1

(j)2（2）

:(j)2分析變量X1與X2的關(guān)聯(lián)程度Cov(X1,X2)E(X1X2)E(X1)E(X2)

PCov(1(j)2

（3）

,(j)2)

則由分析可得該問題便為現(xiàn)已知(j)2(j)2如何求的問題。

(ij)與(j)1(t)，如何根據(jù)已知的以上信息求出(j)2，

已知(i)1(t),(ij)的變化規(guī)律，可知令

(j)2(t)E((i)2)E(E1(i)(t)),(j)E(1(t))(ij)（4）

模型求解：

由上述結(jié)論我們分析數(shù)據(jù)得出各個因素在地震發(fā)生前后的敏感程度分別如下：電壓EWNS地溫水位氣溫氣壓水溫氣氮雨量0.21.80.80.12595.32.34.340.22.80.5表1：各因素與地震敏感度的表但是考慮地震因素影響上述指標(biāo)外，可能還有其它的因素影響上述指標(biāo)。其中查閱資料可得出：水位，水溫，氣壓，氣溫受到外界影響最大，這樣我們除上述幾個指標(biāo)剩下的指標(biāo)基于與地震關(guān)聯(lián)度從大到小排列：氣氮EWNS雨量電壓地溫2.81.80.80.50.20.1表2：主要地震前兆指標(biāo)敏感度的表標(biāo)準(zhǔn)化后有：氣氮EWNS雨量電壓地溫0.450.290.130.080.030.01表3：主要地震前兆指標(biāo)敏感度歸一化表如下圖分別畫了敏感度較高的EW與敏感度較低的低溫年平均曲線，在途中

可以看出在前兆指標(biāo)因素發(fā)生劇烈變化時，會有地震的發(fā)生。

圖3：201*，201*年EW日平均變化趨勢圖

圖4：201*、201*年地溫日平均變化趨勢圖

5.2.2綜合指標(biāo)模型方法及步驟

用兩個集合，一是地震級別組成的集合，用D表示，二是地震前兆車輛指標(biāo)集合，用E來表示，且有D[D1,D2Dm]，E[E1,E2Em]，每個指標(biāo)因素都有m個狀態(tài)級，如此需要對個指標(biāo)影響程度分敏感、一般、不敏感、很不敏感五

個狀態(tài)。

有n個指標(biāo)因素分別用U1,U2Un來表示，其中Ui[Ui1,Ui2Uim]T，于是可得到敏感指標(biāo)分析數(shù)學(xué)模式

,U2U111Un1U,UU1222n2D（5）

U,UUnm1m12有了這個模型，分別給予地震級別的隸屬度函數(shù)值P,2,m)再根據(jù)指i(i1標(biāo)因素間的關(guān)聯(lián)度及其重要性，分配權(quán)數(shù)

gi(i1,2,n)

這樣就得到了集合D上的模糊關(guān)系：

,gPg1P121gnP1gP,gPgP1222n2U（6）....gP,gPgPnm1m2m基于地震的綜合指標(biāo)步驟有下列步驟：（1）、詳細分析影響地震發(fā)生的因素，并篩選出若干重要因子作為分析指標(biāo)。（2）、在分析地震各指標(biāo)以及波形的基礎(chǔ)上，綜合得到地震的等級指標(biāo)。

（3）、給出適當(dāng)?shù)碾`屬度Pi和權(quán)數(shù)gi。

（4）、修正矩陣U。確定分析指標(biāo)

地震發(fā)生前的檢測指標(biāo)較多，而各個指標(biāo)的敏感程度不同，經(jīng)過第一問的各因素的關(guān)聯(lián)度分析，篩選出氣氮、EW、NS等六個指標(biāo)。隸屬度Pi和權(quán)數(shù)gi的確定

應(yīng)用綜合指標(biāo)進行判別，隸屬度函數(shù)是一個關(guān)鍵，用它來反映地震發(fā)生。設(shè)

N是評定集合上的一個模糊子集，則隸屬度函數(shù)為uN。uN(Di)Pi為隸屬度，

其值可以有專家評判方法來確定。假設(shè)等級劃分與指標(biāo)間基本呈線性關(guān)系，則根據(jù)第一位求出的關(guān)聯(lián)度來確定隸屬度，因此選用

P[0.45,0.29,0，為了方便起見將隸屬度擴大一百倍后可得：.

PP145，313，P60.02，224，P48，P53，P權(quán)數(shù)gi的確定是人給定的，選取的方法有很多，本文選用特費爾法，并確定氣氮、EW、NS、雨量、電壓地溫的權(quán)數(shù)分配為：

g[1,0.95,0.85,0.80,0.70,0.60]

這里g為E(E1,E2,,E6)上的模糊子集，按模糊數(shù)學(xué)的常規(guī)技法g10.950.85E1E2E3

0.80E40.70E50.60（7）E6模糊關(guān)系矩陣U的確定

D上所需的模糊根據(jù)P[P1,P2,,P6]，g[g1,g2,g6]就可以得到在集合

關(guān)系矩陣：

g1P1,g2P1gnP1gP,gPgPn2U1222（8）

....gP,gPgPnm1m2m由第一問可得各因素的敏感度為：電壓EWNS地溫水位氣溫氣壓水溫氣氮雨量0.21.80.80.12595.32.34.340.22.80.5表4：地震前兆指標(biāo)敏感度的表

每次地震的等級：

D=[2.33.63.13.13.23.04.4];

穩(wěn)定性分析數(shù)學(xué)模式：0.07615.08500.32900.09203.23490.12620.05891.34221.27210.05482.21430.55030.43200.90640.56010.16433.75110.98950.35760.87870.60750.11053.25580.23480.04561.85951.67410.12241.80060.27300.07150.81960.40190.01722.73850.89490.07190.68060.12460.00483.09550.0307表5：每次地震前兆穩(wěn)定性系數(shù)

地震指標(biāo)權(quán)重

-6.1024電壓

-0.5740東西磁場強度1.0214南北磁場強度

2.0882水位1.6259氣氡-0.8900雨量

假設(shè)地震發(fā)生等級與地震發(fā)生前數(shù)據(jù)關(guān)系為D=Ub+g;

RI=[7337;4948;1932;2259;3265;4473;7401];

在7次地震中，選中的每個指標(biāo)在地震發(fā)生前的平均值：26.86113.77374.566717.748812.010926.9050-2.03324.733617.58668.881927.0236-3.02343.337917.568012.024327.0298-2.76233.613217.571212.4378

9

00.02770

26.764826.715226.70210.1313-1.36341.87576.97216.47898.584417.618817.620217.655033.273717.961527.210100.66020表6：每次地震前每個指標(biāo)在地震發(fā)生前的平均值

在這7次中上述每個指標(biāo)的均值為：

26.8574-0.48595.469517.624117.68570.0983在這7次中上述每個指標(biāo)的方差為：

0.13692.54581.92900.06319.15680.2480

由此得出第2,9個指標(biāo)與地震的級數(shù)有相當(dāng)大的關(guān)系，而其他的指標(biāo)為穩(wěn)定指標(biāo)。即當(dāng)電壓達到26.8754，氣氡達到17.685左右時就有地震發(fā)生的可能性。而1,3,4,10這幾個指標(biāo)與震級有關(guān);假設(shè)是線性關(guān)系。

即：

D=a1*E(1)+a2*E(3)+a3*E(4)+a4*E(10),

有上述地震發(fā)生前的平均值可得系數(shù)為：

[a1a2a3a4]=[3.11190.4654-4.6999-0.4878];

5.2.3地震前兆指標(biāo)數(shù)量特征模型

先查閱與地震相關(guān)的其他指標(biāo)如震級，頻率等，而后先分析單個指標(biāo)的數(shù)量特征，并以電磁波EW為例，利用動態(tài)從屬函數(shù)建立模型，對于氣溫，水位等其他指標(biāo)，類推可得。而后利用震級，頻率等指標(biāo)的數(shù)學(xué)研究方法，將已知條件的10個指標(biāo)綜合起來，利用非線性組組合建立模型。電磁波EW的數(shù)量特征研究。

地震活動是一種復(fù)雜現(xiàn)象，各種觀測數(shù)據(jù)之間缺乏對比性，難以利用統(tǒng)一的物理場進行描述。為了將各種觀測量的異常信息進行表達，可把各前兆異常量轉(zhuǎn)化為無量綱量以便進行對比。各種地震前兆觀測量雖然是不同的物理量，但其共同的特點都是隨時間變化的數(shù)值，即都是時間函數(shù)，各種地震前兆異常也都表現(xiàn)為各種觀測量隨時間的突出變化，異常形態(tài)雖多種多樣，但究其本質(zhì)共同點都是觀測曲線隨時間的斜率變化。因此，觀測曲線隨時間的斜率變化將是判斷異常的重要指標(biāo)。

由以上分析從各種前兆數(shù)據(jù)中提取地震信息量的方法應(yīng)具以下特點：（1）、地震信息是一個無量綱量；（2）、用前兆觀測量Y（t）對時間軸的斜率變化K，反映觀測值的速率變化，

一般情況下，K值越大，異常量越大；

（3）、用前兆觀測值的自相關(guān)系數(shù)r來顯示觀測值質(zhì)量的好壞，r值越大，觀

測數(shù)據(jù)質(zhì)量越高。

原理和方法

從地震單項前兆觀測值中識別地震異常，并計算它屬于地震異常的程度，需要遵循的基本條件是：（1）、觀測本身內(nèi)在質(zhì)量要好；（2）、“異�！背霈F(xiàn)的頻次要低，且出現(xiàn)“異�！迸c“地震”之間對應(yīng)程度要

高；

（3）、“異�！迸c“正常”相比，有明顯的差異性，且界限要清楚。

按照地震前兆異常的普適性和上述基本條件，提出如下地震前兆異常特征量：

1(ti)1式中：

kiri1（9）

Ki

ritjyjntjyjjjj(tj)2ntj2jj（10）

ttj2jjyj1(tjyj)njj12（11）

121(tj)2njyj2j1(yj)2njyj是前兆觀測隨時間變化的數(shù)列，tj是相應(yīng)的時間序列

公式（1）中的k物理意義是觀測曲線Y(t)對于時間軸的斜率，反映觀測速率的變化；r是觀測值的自相關(guān)系數(shù)，反應(yīng)觀測值內(nèi)在質(zhì)量的好壞。從（1）式可知，只有k和r都大時，才可能大。在[0,1]內(nèi)取值，表示在所研究的資料在

tj時段屬于地震異常的程度。i0.5作為模糊界點，只有當(dāng)i0.5時，才視為

異常，反之，即為正常狀態(tài)。是一個經(jīng)過學(xué)習(xí)得到的常數(shù)。它的選擇原則和方法如下：

（1）使得“異�！鳖l次降低；

（2）使“異�！焙汀暗卣稹敝�間由最好的相關(guān)性；（3）在滿足上述兩個原則下要盡可能的��；

（4）選擇的“地震”樣本要視監(jiān)視區(qū)的活動水平和預(yù)報目標(biāo)而定；（5）選擇后的值，應(yīng)保持穩(wěn)定，只有出現(xiàn)預(yù)報目標(biāo)與實際情況有明顯

差異時，才按照新的樣本要求進行修改，以保持第二條原則的實現(xiàn)。

模型的檢驗選擇樣本

從屬函數(shù)中的的選擇由樣本學(xué)習(xí)而決定，不同學(xué)科不同地域選擇的參數(shù)可能會不同，需要在實踐中不斷的完善，一些前兆場可直接根據(jù)原始觀測數(shù)據(jù)分析其變化，而地磁場本身是一個變化場，且磁層、電離層強烈擾動時引起的地磁場變化非常劇烈，遠大于地震異常引起的變化。從屬函數(shù)法以曲線斜率作為判斷異常的組要指標(biāo)，如果直接分析某一點的從屬函數(shù)值，會頻繁出現(xiàn)“異�！�，判斷食物。同樣是前兆手段，地磁學(xué)在應(yīng)用從屬函數(shù)方法時首先對原始地磁場資料預(yù)處理，才由利于尋找震磁關(guān)系。

電磁波由地磁場產(chǎn)生，而地磁場值包含核遠源場，外源場及地下局部磁異常源場，提取電磁波EW的問題是如何找出因地磁場的地下局部磁異常發(fā)生變化的問題，并以此判斷該變化量是否是由地震引起的局部異常。核源場是一個相對穩(wěn)定場，外源場的變化受諸多因素影響，而且其變化幅度遠大于因地震引起的異常量，因此應(yīng)用在應(yīng)用資料預(yù)報之前，首先應(yīng)剔除外源場引起的地磁場變化。任一

點的地磁場垂直強度Z由以下三部分組成：

ZZCZeZN（12）

C-地核源場，e-外源場，N-地下局部磁場。由此可推得下面公式：EWEWCEWeEWN（13）

下面采用均值法消除偶然因素如太陽黑子等造成的突變，并用對應(yīng)一年中的均和幾年的均值作差以消除外源場和核源場的變化而引起地磁場的突變

Z由此可推得：

ZZZNZN（14）

NNEWEWEWEWEW（15）

正常情況下地點確定后局部磁場在很小的范圍內(nèi)波動；由于地震孕育而導(dǎo)致局部磁場發(fā)生變化時，就在孕震區(qū)產(chǎn)生局部磁異常，這個范圍比較小，即使兩地都處于孕震區(qū)，異常將由于距離震源距離不同而有所差別，最終導(dǎo)致EW的變化，EW代表局部磁異常的相對變化。從屬函數(shù)的計算

對應(yīng)年份觀測數(shù)據(jù)和各年份數(shù)據(jù)的平均作差消除基本場與外空場而引起的EW變化,用于消除外源場和核源場的變化而引起地磁場的突變，取各年份的均值是為偶然因素而引起的電磁波突變

經(jīng)過多年樣本學(xué)習(xí)，確定值，研究電磁波隨時間的變化情況。

每次地震每個指標(biāo)相對應(yīng)的值第一次地震第二次地震第三次地震第四次地震第五次地震第六次地震第七次地震電壓0.50000.98830.99840.97860.99940.99270.9630EW0.98670.50000.96130.99160.98370.99500.9989NS0.96660.96690.92550.98820.50000.99430.9949地溫0.99940.50000.71230.98890.99230.96130.9982氣氡0.99880.99970.99370.99991.00000.99990.5000雨量0.99160.81440.92360.86480.98361.00000.5000表7：每次地震前兆預(yù)測異常特征量

值的分析：

的取值范圍為[0,1]，0.5為判別地震發(fā)生的界點。當(dāng)0.5時，則地震沒有發(fā)生的可能。

當(dāng)0.5時，地震有發(fā)生的可能，值越大，則地震發(fā)生的可能性越大。每個指標(biāo)的值

1.0e-003*

0.01170.18120.30490.00210.01420.0736

圖5：EW兩年相對變化趨勢圖

5.2.3地震前兆指標(biāo)數(shù)量特征模型

針對地震預(yù)測研究中，變量的指標(biāo)較多，數(shù)據(jù)攜帶的信息較弱且預(yù)測變量是非線性關(guān)系，因此造成預(yù)測結(jié)果穩(wěn)定性不強的問題，構(gòu)造了非線性組合預(yù)測模型，解決地震預(yù)測的上述問題，應(yīng)用于本題中的地震前兆指標(biāo)數(shù)量特征。

即使數(shù)據(jù)攜帶的信號很弱，但是我認為這些數(shù)據(jù)足以通過統(tǒng)計方法來探求深層次的東西，因為數(shù)據(jù)不服從標(biāo)準(zhǔn)的平穩(wěn)時間序列和線性模型，所以我們要小心謹慎地選擇統(tǒng)計方法。下面構(gòu)造的多變量非線性模型在一定程度上解決了上述問題且在地震預(yù)報應(yīng)用中取得了較滿意的效果。非線性組合模型

非線性組合模型是將多個看用于預(yù)測的一元線性模型進行線性組合，組成非線性組合模型，其優(yōu)點是可以增加預(yù)測穩(wěn)定性。非線性組合模型的應(yīng)用背景

設(shè)y是預(yù)測變量，x1,x2xp是影響y的指標(biāo)。

（1）、指標(biāo)數(shù)據(jù)攜帶信號較少、較弱，需要選擇攜帶信號較強的指標(biāo)用于預(yù)測。（2）、對于選定的指標(biāo)需要建立較好的非線性預(yù)測模型。（3）、為增強預(yù)測的穩(wěn)定性，最后構(gòu)建非線性組合模型用于預(yù)測。最佳指標(biāo)和最佳曲線選擇

對于每一個指標(biāo)xi(i1,2,,p)，對應(yīng)預(yù)測變量y，預(yù)先設(shè)計若干非線性模型，并進行曲線擬合，根據(jù)統(tǒng)計檢驗和擬合優(yōu)度選擇最優(yōu)指標(biāo)和最佳曲線。

設(shè)所選的最優(yōu)指標(biāo)為xi相應(yīng)的最佳曲線函數(shù)是f(xi)(i1,2,,k)，k是最優(yōu)指標(biāo)和最佳擬合曲線個數(shù)。非線性組合模型

ywifi(xi)（16）

i1k其中y是預(yù)測變量，fi(xi)是選擇出的最佳非線性預(yù)測曲線，xi是自變量指標(biāo)，wi是相應(yīng)的權(quán)重，wi1。

i1k非線性組合模型參數(shù)wi的估計

一般參數(shù)估計的方法可選擇：

（1）等權(quán)平均法；（2）加權(quán)最小二乘法；（3）方差-協(xié)方差方法；（4）最小二乘法；

非線性組合模型的應(yīng)用

在本題中，選擇最優(yōu)指標(biāo)和最佳曲線，通過最小二乘法估計最佳曲線的參數(shù)，并構(gòu)建非線性組合模型。最佳指標(biāo)和最佳曲線的選擇

初步選擇影響最大的若干地震參數(shù)指標(biāo)xi等，見表一

為選擇最優(yōu)指標(biāo)和最佳擬合曲線設(shè)計了七種曲線模型，見表二。

選擇擬合方式以及統(tǒng)計檢驗，選出6個最優(yōu)指標(biāo)以及他們相應(yīng)的最佳曲線。見表三。

2.2、非線性組合模型

16ywifi(xi)yi

6i1i1k考慮到增加預(yù)測的穩(wěn)定性，參數(shù)估計采取等權(quán)平均法wi1，(i1,2,,6)6經(jīng)過Matlab編程得出了地震各因素的權(quán)重如下：電壓EWNS地溫氣氡雨量-0.0000-0.00290.00010.0057-0.0014-2.3620畫出部分地震前兆指標(biāo)與地震發(fā)生的關(guān)系圖如下：

圖6：相對震級圖

5.2.4地震數(shù)據(jù)分析平臺的設(shè)計

把前三問的程序集成，基于易語言編程，系統(tǒng)開發(fā)使用Windows201*server、MS-SQLServer201*數(shù)據(jù)庫，對地震目錄、前兆觀測數(shù)據(jù)、分析報告等地震信息進行了系統(tǒng)管理，組成了地震數(shù)據(jù)分析平臺，本平臺在實現(xiàn)了地震數(shù)據(jù)的數(shù)字化和自動化管理功能的基礎(chǔ)上，系統(tǒng)運用數(shù)據(jù)挖掘的方法對地震預(yù)報進行了嘗試，使其能夠完成形如題給數(shù)據(jù)的其它地震數(shù)據(jù)的分析，并能自動輸出前述任務(wù)的重要的分析結(jié)果。其主界面如下圖.

圖7：地震數(shù)據(jù)分析平臺主界面

基于此地震數(shù)據(jù)分析平臺，分析了201*的地震指標(biāo)數(shù)據(jù)，得出的結(jié)果是地

震發(fā)生時間為10月31日，震級為4.1級，在誤差范圍內(nèi)，實現(xiàn)了較好的地震前兆數(shù)據(jù)分析與得出重要的分析結(jié)果。

六、模型的推廣

1、在地震分析中經(jīng)常要分析各個變量間相互依存關(guān)系，本文模型只能分析每一個變量對因變量的直接影響，且要求其余自變量之間相互獨立。事實上，變量之間的關(guān)系錯綜復(fù)雜，一個自變量可能對一個因變量有直接影響，也可能通過其他的自變量對因變量有間接地影響，顯然本模型無能為力。

2、可選用通徑分析來求解各個變量之間的關(guān)系，在通徑分析模型中，把影響其他變量的變量叫做原因變量，被影響的變量叫做結(jié)果變量。

七、關(guān)于進一步研究報告

地震預(yù)報預(yù)測之艱難不言而喻，然而通過此次研究分析發(fā)現(xiàn)，地震發(fā)生前并非不顯示任何蛛絲馬跡，筆者基于促進其預(yù)測預(yù)報研究的目的提出以下建議和設(shè)想：

確保各指標(biāo)觀測數(shù)據(jù)的真實性、準(zhǔn)確性。數(shù)據(jù)是供人們研究的平臺，其真實性、準(zhǔn)確性直接關(guān)乎研究方向的正確性及研究結(jié)果的實效性。

優(yōu)化數(shù)據(jù)挖掘方法。從各指標(biāo)對事件的函數(shù)圖像可知，各指標(biāo)值振蕩頻繁，然而不是所有的振蕩都是因為地震的發(fā)生而引起的，如電磁波的振蕩容易受太陽黑子等因素影響而發(fā)生明顯振蕩。如何采取科學(xué)、合適的數(shù)據(jù)挖掘方法關(guān)系到所得模型預(yù)測預(yù)報的準(zhǔn)確率，我們所采取的是均值結(jié)構(gòu)模型以達到消除偶然誤差的目的，其效果顯著，然而由于原理上的限制，還是有所偏差，所以筆者設(shè)想能否利用數(shù)理統(tǒng)計方法進行估計，以使偏差盡量降低。

研究地震發(fā)生時各指標(biāo)異常機理。研究過程發(fā)現(xiàn)，各指標(biāo)異常會出現(xiàn)一定的提前量或滯后性，如何估計這些提前量關(guān)乎預(yù)測預(yù)報的準(zhǔn)確性，只有通過研究各指標(biāo)因地震變化的機理才能用數(shù)學(xué)方法較為準(zhǔn)確的估計這些提前量。

優(yōu)化數(shù)學(xué)研究方法。本模型在求解任務(wù)一時采用均值結(jié)構(gòu)模型達到較良的消除誤差的效果；采用綜合指標(biāo)法求解任務(wù)二，考慮全面周到，效果較好，在模型改進中所提出的判別分析法，科學(xué)有效，對數(shù)據(jù)利用率較高。在任務(wù)三中采用各年份指標(biāo)值和歷年各指標(biāo)均值作差以消除地核、外空對電磁波的影響，巧妙科學(xué)，適宜推廣使用。任務(wù)三中采用非線性組合模型，較好的解決數(shù)據(jù)攜帶信號較弱的缺點。限于知識、能力，對于上述數(shù)學(xué)方法在地震預(yù)測預(yù)報中的應(yīng)用沒有達到預(yù)期效果，須進一步研究改進。由于地震的發(fā)生及受其影響的各指標(biāo)間的復(fù)雜關(guān)系，很難采用現(xiàn)有的技術(shù)探測，筆者試想，能否應(yīng)用Bp神經(jīng)網(wǎng)絡(luò)解決此難題，設(shè)定科學(xué)的學(xué)習(xí)規(guī)則，利用神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)特性，達到預(yù)測預(yù)報的目的。

參考文獻

[1]徐文耀，我們地震觀測研究發(fā)展，地球物理學(xué)報，997,40:217。[2]馮德益，等模糊數(shù)學(xué)方法應(yīng)用，北京，地震出版社。[3]郭德科，強震前兆異常的模糊識別函數(shù)與中弱地震的關(guān)系，地殼形變與地震。[4]張巖波，潛變量分析，北京，高等教育出版社。[5]王清河，隨機數(shù)據(jù)處理方法（第三版），石油大學(xué)出版社。

[6]張繼紅、喬慧珍，地震前兆異常的動態(tài)從屬函數(shù)，地球物理學(xué)進展。[7]沈良峰，地震穩(wěn)定性分析的綜合性指標(biāo)模型，建筑科學(xué)。

附錄

1：日平均值的程序

%每年數(shù)據(jù)的平均值

RI=[7344496819442280328844887416];year=[201*201*201*201*201*201*201*];S=load("matlab.mat");er=zeros(40*7,6);fori=1:7

u=strcat("S.t",num2str(year(i)),"(",num2str(RI(i)-40*24+1),":",num2str(RI(i)),",[1234910])");data=eval(u);

temp1=zeros(40,6);forj=1:40

temp1(j,:)=mean(data((24*j-23):(24*j),:));end

er((40*i-39):(40*i),:)=temp1;end

K1=zeros(7,6);%每次地震每個指標(biāo)的K值r1=zeros(7,6);%每次地震每個指標(biāo)的r值fori=1:7

K1(i,:)=sum(1:40)*sum(er((40*i-39):(40*i),:))-40*sum(diag(1:40)*er((40*i-39):(40*i),:));

K1(i,:)=K1(i,:)/((sum(1:40))^2-40*sum((1:40).^2));

r1(i,:)=sum(diag(1:40)*er((40*i-39):(40*i),:))-(1/40)*sum(1:40)*sum(er((40*i-39):(40*i),:));

r1(i,:)=r1(i,:)./(sqrt(sum((1:40).^2)-(1/40)*sum((1:40))^2)*sqrt(sum(

er((40*i-39):(40*i),:).^2)-(1/40)*sum(er((40*i-39):(40*i),:)).^2));end

gh=zeros(7,6);forj=1:6

gh(:,j)=K1(:,j).*r1(:,j);end

miu=zeros(7,6);%每次地震每個指標(biāo)的miu值forj=1:7

miu(j,:)=1./abs(1+min(gh)./gh(j,:));end

2年平均曲線的Matlab程序functions=years_avg()

yinsu={"data""VI""EW""NS""ET""WH""AT""AP""WT""AID""RAIN""PNS""PEW"};

year={"201*""201*""201*""201*""201*""201*"};qs=input("請輸入你所需要的第幾年的編號：");qw=input("請輸入您要的因素編號：");

coona=database("sqlserver","sa","xuenhappy");setdbprefs("DataReturnFormat","numeric");s=zeros(1,372);fori=1:12

forj=1:31

ifi

s(j+31*(i-1))=fetch(coona,strcat("useearthquckselectavg(",yinsu{qw},")fromyears",year{qs},"$whereConvert(Varchar(10),data,120)like",t));ifisempty(s(j+31*(i-1)))s(j+31*(i-1))=0;endendend

close(coona);

plot(1:max(size(s)),s)3預(yù)測分析圖的Matlab程序

RI=[7337;4948;1932;2259;3265;4473;7401];year=[201*201*201*201*201*201*201*];S=load("matlab.mat");er=zeros(7,6);fori=1:7

u=strcat("S.t",num2str(year(i)),"(",num2str(RI(i)-30),":",num2str(RI(i)),",[1234910])");data=eval(u);data=mean(data);er(i,:)=data;end

4、相關(guān)系數(shù)的Matlab程序

%計算每次地震中指標(biāo)相關(guān)程度；

RI=[6555,8018,7337;4346,5834,4948;1418,2882,1932;2162,2882,2259;2186,3650,3265;3650,5114,4473;6554,8028,7401];

year=[201*511201*611201*711201*711201*811201*811201*911];vv=zeros(7,10);forsd=1:7

S=load("matlab.mat");

t201*511=S.t201*(RI(sd,1):RI(sd,2),1:10);t201*611=S.t201*(RI(sd,1):RI(sd,2),1:10);t201*711=S.t201*(RI(sd,1):RI(sd,2),1:10);t201*811=S.t201*(RI(sd,1):RI(sd,2),1:10);t201*911=S.t201*(RI(sd,1):RI(sd,2),1:10);tem1=strcat("t",num2str(year(sd)));

s=(t201*611+t201*711+t201*811+t201*911+t201*511-eval(tem1))/4;yu=RI(sd,3)-RI(sd,1);

tem=strcat("t",num2str(year(sd)),"(1:",num2str(yu),",:)");

k=mean((t201*511(1:yu,:)+t201*611(1:yu,:)+t201*711(1:yu,:)+t201*811(1:yu,:)+t201*911(1:yu,:))/5)./mean(eval(tem));y=s*0;

forp=1:10

y(:,p)=s(:,p)/k(p);end

y=y(yu:end,:);

rt=t201*511(yu:end,:);vv(sd,:)=std(y-rt,0,1);end

b=mean(vv);

友情提示：本文中關(guān)于《花山鄉(xiāng)9月7日地震受災(zāi)情況匯報》給出的范例僅供您參考拓展思維使用，花山鄉(xiāng)9月7日地震受災(zāi)情況匯報：該篇文章建議您自主創(chuàng)作。

來源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問題，請聯(lián)系我們及時刪除。

《花山鄉(xiāng)9月7日地震受災(zāi)情況匯報》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請保留原作者信息,謝謝!
鏈接地址：http://www.hmlawpc.com/gongwen/721736.html

• 上一篇：廉潔范文2
• 下一篇：201* 年4 月關(guān)于雅安地震的思想?yún)R報