地熱異常與地震關系密切。地熱數(shù)據(jù)是典型的時間序列數(shù)據(jù),研究其變化規(guī)律是檢測異常數(shù)據(jù)的前提。傳統(tǒng)的時間序列分析方法主要以線性方法為主,其擬合精度有限。根據(jù)地熱時間序列數(shù)據(jù)的特點,論文采用LSTM模型對毛埡溫泉泉水溫度4年觀測數(shù)據(jù)進行建模,并將實驗結果與傳統(tǒng)的AR方法、ARMA方法進行了對比。實驗結果表明,在毛埡溫泉泉水溫度數(shù)據(jù)集上,LSTM方法預測的均方根誤差RSME明顯小于AR和ARMA方法。論文研究為地震前兆數(shù)據(jù)預測拓寬了思路。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 LSTM神經(jīng)網(wǎng)絡及其展開結構

地震前兆數(shù)據(jù)屬于典型的時間序列數(shù)據(jù)，相鄰的數(shù)據(jù)具有很強的相關性，傳統(tǒng)的神經(jīng)網(wǎng)絡無法描述并記住這種相關性，長短期記憶網(wǎng)絡(LSTM)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(RNN)允許信息的持久化，是處理時間序列問題的深度神經(jīng)網(wǎng)絡結構。LSTM基本結構如圖1所示。其中等號左側為LSTM網(wǎng)絡結構。....

圖2 LSTM處理單元詳細結構

然后更新狀態(tài)變量ct的值，具體如公式(6)所示:式中，*運算符為向量的Hadamard積運算。

圖3 數(shù)據(jù)平穩(wěn)化處理

ADF檢驗結果表明，理塘埡溫泉泉水溫度數(shù)據(jù)為非平穩(wěn)過程，在建模之前首先要進行差分處理，將其變?yōu)槠椒�(wěn)過程。差分計算公式如下:式中，Δ為差分算子，xt為時間序列t時刻的觀測數(shù)據(jù)。

圖4 基于LSTM的理塘毛埡溫泉水溫預測結果

從圖4～6以及表1可以看出，在準確率方面，3種方法的觀測值與預測值均十分接近。但是在穩(wěn)健性方面，采用LSTM模型預測時，RMSE值最小，為0.90256;采用AR模型預測時，RMSE為0.9645;采用ARMA模型預測時，RMSE為0.9558，這說明在準確率相近的情況下，LST....

本文編號：4024886