地震检测模型
地震如何利用地震活动模型评估建筑物震害程度
地震如何利用地震活动模型评估建筑物震害程度地震活动模型在评估建筑物震害程度方面发挥着重要的作用。
通过利用地震活动模型，我们可以更好地了解地震的特点和影响，从而预测和评估建筑物的震害程度。
下面将从地震活动模型的建立、地震参数的估计和建筑震害评估三个方面展开讨论，以更深入地探讨地震利用地震活动模型评估建筑物震害程度的方法和意义。
一、地震活动模型的建立地震活动模型的建立是评估建筑物震害程度的基础。
地震活动模型主要通过收集和分析历史地震事件数据来建立。
研究人员根据历史地震的震级、震源深度、震源位置等参数，利用统计学方法和地震学理论，建立了一系列具有代表性的地震活动模型。
二、地震参数的估计地震参数的估计是评估建筑物震害程度的关键。
地震参数主要包括地震震级、震源深度和震源距离等。
通过对地震波的记录和分析，结合地震活动模型中的参考参数，可以准确地估计地震参数的数值。
三、建筑震害评估建筑震害评估是根据地震活动模型和地震参数的估计结果，对建筑物的结构状况和地震荷载进行综合分析评估。
通过建立建筑物的数学模型，计算建筑物在地震作用下的响应，包括位移、加速度、应力等参数。
然后，与建筑物的抗震设计标准进行对比，评估建筑物的震害程度和抗震性能。
在进行建筑震害评估时，需要考虑建筑物的结构类型、年代、材料和设计等因素。
同时，还需要根据地震活动模型和地震参数的不确定性进行合理的灾害风险评估。
这样才能更加准确地评估建筑物的震害程度，为抗震设计和灾害防治提供科学依据。
值得注意的是，地震活动模型评估建筑物震害程度仍存在一些局限性和挑战。
首先，地震活动模型的建立依赖于有限的历史地震事件数据，对于罕见或长周期地震事件的评估可能存在一定的误差。
其次，地震参数的估计受到测量设备和方法的限制，可能存在一定的不确定性。
此外，建筑物的抗震性能也受到多种因素的影响，如材料老化、维护状况等，这些因素对于建筑震害评估的准确性提出了挑战。
总之，地震活动模型是评估建筑物震害程度的重要工具。
概率地震需求模型
概率地震需求模型引言地震是地球上常见的自然现象之一。
对于地震风险的评估对于建筑物、基础设施和城市规划至关重要。
为了更好地评估地震对于建筑物和基础设施的影响，我们需要建立地震需求模型。
地震需求模型是用来描述地震作用下结构响应的一种数学模型。
本文将详细探讨概率地震需求模型的概念、建立方法以及应用。
概率地震需求模型的概念概率地震需求模型是基于地震动输入和结构特性，预测建筑物或结构在地震作用下响应的一种模型。
该模型通过考虑地震动参数、结构特性以及地震场地条件等因素，给出建筑物或结构在地震中的性能评估。
概率地震需求模型能够提供建筑物或结构在不同地震烈度下的响应概率，并对结构的破坏程度进行评估。
建立概率地震需求模型的方法收集地震动输入数据建立概率地震需求模型的第一步是收集地震动输入数据。
地震动输入数据包括地震波加速度、速度和位移等参数。
这些数据可以通过地震监测台站或历史地震记录获取。
选择合适的地震波记录对于概率地震需求模型的可靠性至关重要。
通常，需要考虑多个地震事件和不同地点的地震记录。
确定结构特性在建立概率地震需求模型时，需要确定建筑物或结构的结构特性。
结构特性包括结构的刚度、阻尼、质量等参数。
这些参数可以从设计文件或者通过结构测量获取。
确定准确的结构特性能够提高概率地震需求模型的可信度。
考虑地震场地条件地震场地条件对于概率地震需求模型的建立也至关重要。
不同的地震场地条件会对地震动的传播和结构的响应产生不同的影响。
因此，在建立概率地震需求模型时，需要考虑地震场地的类别、土壤类型、场地衰减等因素。
运用统计学方法建立概率地震需求模型需要运用统计学方法对收集到的地震动输入和结构特性进行分析和处理。
统计学方法可以用来推导地震需求模型的数学表达式，并确定模型参数。
常用的统计学方法包括极限状态理论、概率分析和可靠性理论等。
概率地震需求模型的应用概率地震需求模型在地震风险评估和结构设计中应用广泛。
它可以用来评估建筑物或结构在不同地震烈度下的破坏程度，从而指导结构的设计和改进。
地震灾害风险评估模型中的不确定性分析
地震灾害风险评估模型中的不确定性分析第一章概述地震是一种极具破坏力的自然灾害，给人类社会带来了巨大的伤害和损失。
在地震风险评估过程中，考虑不确定性是十分重要的，因为地震的发生具有不确定性，各种因素的误差也会影响到评估结果。
因此，本文将着重介绍地震灾害风险评估模型中的不确定性分析。
第二章地震灾害风险评估模型地震灾害风险评估模型是通过对地震风险的各个方面进行系统分析，评估出地震灾害可能造成的损失和影响程度。
该模型一般包括地震发生概率模型、震源参数模型、地震动模型、土壤条件模型、震害模型和损失评估模型等。
其中，不确定性分析主要关注地震发生概率模型和地震动模型。
第三章地震发生概率模型中的不确定性分析地震发生概率模型是评估地震发生频率的关键因素。
但是，地震活动受到多种因素的影响，如地壳运动、构造活动等，这些因素的不确定性会直接反映在地震发生概率模型中。
因此，在构建地震发生概率模型时，需要考虑不同因素的不确定度，并采用适当的方法进行不确定性分析，以获得合理的评估结果。
第四章地震动模型中的不确定性分析地震动模型是评估地震对结构物和设施的影响程度的重要依据。
地震动参数的估计涉及到多种因素，如地震烈度、震中距离、场地条件等，这些因素的误差和不确定性会直接影响到地震动模型的准确性。
因此，在进行地震动模型的建立时，需要对这些因素进行不确定性分析，以获得更可靠的评估结果。
第五章不确定性分析方法在地震灾害风险评估中，常用的不确定性分析方法包括蒙特卡洛方法、灵敏度分析和概率分布函数等。
蒙特卡洛方法通过随机抽样的方式，通过大量的模拟试验得到结果的分布情况。
灵敏度分析则是通过改变各个因素的值，观察评估结果的变化情况，以确定不确定性因素对结果的影响程度。
而概率分布函数则是将不确定性因素的分布形式进行建模，进而进行评估结果的不确定性分析。
第六章不确定性分析实例研究以某地区的地震灾害风险评估为例，通过蒙特卡洛方法和灵敏度分析等不确定性分析方法，对地震发生概率模型和地震动模型中的不确定性进行了评估。
地震风险评估模型及其应用研究
地震风险评估模型及其应用研究地震对人类社会造成的巨大破坏与威胁是不可忽视的。
为了准确评估地震风险，并采取相应的防灾减灾措施，地震风险评估模型的研究变得尤为重要。
本文将探讨地震风险评估模型的基本原理，以及其在实际应用中的价值。
一、地震风险评估模型的基本原理地震风险评估模型是基于对地震灾害发生概率、震害程度以及暴露于地震风险下的人口和财产进行综合评估的工具。
其基本原理包括以下几个方面：1. 地震灾害发生概率的评估：通过收集历史地震事件和地震活动性数据，利用统计学方法建立地震发生概率的模型。
这可以帮助我们了解某个地区在未来一段时间内发生地震的可能性。
2. 震害程度的评估：地震的破坏程度与地震烈度有关。
地震烈度是根据地震现象对建筑物和人类活动的影响程度进行评估的指标。
通过对震害历史数据的统计分析，可以建立地震烈度与震害程度之间的关系，为地震风险评估提供依据。
3. 暴露于地震风险下的人口和财产评估：根据人口普查数据和地理信息系统技术，可以对特定区域的人口分布、建筑物分布、基础设施和财产价值进行评估。
这可以帮助我们了解地震事件发生时所涉及到的人口和财产暴露度。
二、地震风险评估模型的应用研究1. 地震预警系统：地震风险评估模型可以用于构建地震预警系统。
通过实时监测地震活动性和地震震级，结合已有的地震风险评估模型，可以及时发出地震预警信息，提醒民众采取相应的应对措施，从而减少地震灾害的发生。
2. 地震灾害风险评估：地震风险评估模型可以为政府和地方行政机构提供决策支持。
在城市规划和土地利用方面，可以根据地震风险评估模型的结果，制定相应的建设规范和防灾减灾政策，减少地震灾害对人口和财产的损失。
3. 地震风险传播模拟：地震风险评估模型可以用于模拟地震的传播过程。
利用地震波传播理论和地质地形数据，可以模拟地震事件对不同区域的影响程度，为救援和应急预案提供科学依据。
4. 地震保险和金融风险管理：地震风险评估模型可以为保险公司和金融机构提供相关的风险评估结果，帮助其制定地震保险产品和金融风险管理策略。
不同的地震谱模型总结
不同的地震谱模型总结地震谱是地震动研究中的一个重要工具，用来描述地震动在不同频率下的变化规律。
地震谱模型是基于实际地震数据和统计分析方法建立起来的数学模型，可以用来预测地震动的频率内容。
1. 方式地震谱模型（Fourier谱模型）方式地震谱模型是地震工程中应用最广泛的一种模型。
该模型基于Fourier级数展开，将地震动信号表示为一系列正弦和余弦函数的叠加。
方式地震谱模型传统上采用简谐波形，适用于短周期地震动预测。
2.线性模型（平均谱模型）线性模型主要是利用大量地震记录统计分析得出的结果，通过取平均值得到的一种地震谱模型。
这种模型中不考虑地震动的相关性，假设地震动是独立的随机过程。
线性模型适用于波动周期较长的地震活动研究。
3.前沿模型前沿模型是近年来发展起来的一种地震谱模型，通过分析较少的大震记录和时间-频率分析方法，结合经验模式分解、小波变换等，可以更加精确地描述地震动的频率内容。
前沿模型不仅考虑地震动的平均特性，还能考虑空间地震动的局部特性，因此在地震动预测和结构抗震设计中应用前景广阔。
4.总体模型总体模型是用来描述地震动的随机性和扰动性的一种模型。
在总体模型中，地震动被看作是随机过程中的一个随机变量，通过概率密度函数或累积分布函数来描述。
总体模型适用于长周期地震动的预测和抗震设计。
5.非线性模型非线性模型考虑了地震动的非线性特征，可以更加准确地描述地震动在不同频率下的变化规律。
非线性模型主要基于非线性滤波理论，能够反映地震动的瞬时强度、脉冲特性等非线性特征。
综上所述，地震谱模型有多种不同的类型，每种模型都有自己的适用范围和优缺点。
选择合适的地震谱模型可以帮助我们更好地了解和预测地震动的频率内容，从而为结构抗震设计和地震风险评估提供重要依据。
地震模型正演
地震模型正演与反演简介一、地震模型正演（seismic forward modeling）的概念如果我们已知地下的地质模型，它的地震响应如何？地震模型正演就是通过室内模拟得到地质模型对于地震波的响应。
地震模型正演包括物理模拟和数值模拟，数值模拟就是应用相应的地球物理方程和数值计算求解已知的地质模型在假定激发源的作用下的地震相应。
通常，我们针对特定的勘探区块，应用期望或实际的采集参数通过地震正演模拟野外地震采集，得到单炮记录，再通过速度分析、动校正、叠加、偏移等处理得到成像数据。
图1为Marmousi速度模型，图2为正演得到的炮集记录，图3为正演得到的叠加剖面。
图1 Marmousi模型图2正演炮集图3 正演叠加剖面二、数值模型正演方法通常，我们提到的模型正演为数值模拟的模型正演，目前常用的数值模拟地震模型正演方法包括基于射线原理的射线追踪法，以及基于波动方程的有限差分法、有限元法、积分方程法、快速傅里叶变换法和拟谱法等。
射线追踪法主要反映地震波的运动学特征，有限差分、有限元法则适合复杂地质构造的正演模拟，积分方程法涉及复杂的数学推导，快速傅里叶变换法在频率域计算得到正演数据。
三、数值模型正演的步骤数值模拟求解地震模型正演问题的步骤主要包括以下三个方面：1) 地质建模，根据研究对象和问题建立地球物理或地质模型；2) 数学建模，根据应用的物理手段和地球物理模型建立相应的数学模型；3) 模拟计算，选择正演计算方法，编写计算程序进行数值模拟计算。
四、什么是地震反演地震反演技术就是充分利用测井、钻井、地质资料提供的丰富的构造、层位、岩性等信息，从常规的地震剖面推导出地下地层的波阻抗、密度、速度、孔隙度、渗透率、沙泥岩百分比、压力等地球物理信息。
反演就是由地震数据得到地质模型，进行储层、油藏研究。
地震资料反演可分为两部分：1）通过有井(绝对)、无井（相对）波阻抗反演得到波阻抗、速度数据体。
2）利用测井、测试资料结合波阻抗、速度数据进行岩性反演，得到孔隙度、渗透率、砂泥百分比、压力等物理数据。
地震模型实验(二层介质模型)及震相识别
实验二 地震模型实验（二层介质模型）及震相识别 （一）实验目的：熟练使用声波仪，了解简单的超声地震模型实验方法，初步掌握首波、直达纵波、直达横波及反射波等主要震相的识别；实验前必须掌握测震分析中有关的运动学及动力学特征部分及理论时距曲线等知识。
（二）设备：1.SYC-3型超声岩石参数测定仪或HF-D超声仪2. 超声探头一对（发射、接收各一）3. 耦合剂（黄油或凡士林、真空脂）4. 有机玻璃板一块5. 铝板一块6. 直尺（三）原理及装置：该实验是利用仪器发射一变化的电压（脉冲）加在发射换能器上，产生出一简单振动波形的超声波，用超声波模拟地震波通过所研究的模型，然后被接收换能器接收后送至仪器的接收机进行放大，显示在荧光屏上，即得到了近似于天然地震的地震波的震相记录。
我们实验用的超声波频率一般约为104～108Hz量级，一般的地震和近震的全频率约为1～10Hz量级，地震勘探用的频率约为10～100Hz，因而可以用小于实际地质构造102～107倍的模型来研究我们的问题。
本实验的装置如图一所示：图一 二层介质震相识别模型装置图（四）实验步骤：1．测出该实验模型有机玻璃板及铝板的大小尺寸；2．用波速测量实验的方法，测出有机玻璃及铝板的波速Ｖｐ及Ｖｓ; 3．画出理论时距曲线，以直达波P波为例，其延时方程为t h V p p =+Δ22其中ｈ为震源深度，以纵坐标表示走时ｔ，以横坐标表示震中距△，取几个不同的观测距离，就可得到相应的不同的走时ｔ，连接各点即画出直达Ｐ波的走时曲线。
Ｐ波的走时曲线为一双曲线，在本实验中，ｈ=０，该曲线即为一通过原点的直线。
同理我们可以作出直达Ｓ波，首波Ｐn 、反射波Ｐ11、Ｓ11、等时距曲线。
根据地震波理论它们的走时方程分别为： 直达S波 122S S V h t +Δ=反射P波 ()122211P P V h H t −+Δ=反射S波 ()122211S S V h H t −+Δ=首波P n 201cos 2P P P V i V hH t nΔ+−=其射线如图二所示。
地震预测模型可行性与准确性的评估方法
地震预测模型可行性与准确性的评估方法地震作为一种自然灾害，给人们的安全和生活带来了巨大的挑战。
因此，地震预测一直是科学家们关注的焦点之一。
评估地震预测模型的可行性和准确性对于有效地降低地震灾害的影响至关重要。
本文将介绍一些常见的地震预测模型的评估方法，并探讨其可行性和准确性。
首先，预测模型的可行性评估是评估模型在实际应用中的可行性。
这包括模型所需的数据、计算复杂性、技术条件等。
对于地震预测模型而言，可行性评估需要考虑以下几个方面：模型所需的数据是否可靠和可获得；模型预测所需的计算资源和时间是否可行；模型是否适用于当前的技术条件和操作环境。
通过综合考虑以上因素，可以评估地震预测模型的可行性。
其次，准确性评估是评估地震预测模型预测结果与实际地震事件之间的一致性。
准确性评估是一个复杂的过程，需要考虑多个方面的因素。
其中，最常见的评估方法之一是利用历史地震事件进行模型预测，并比较预测结果与实际地震发生的情况。
通过统计分析预测结果和实际情况之间的差异，可以评估模型的准确性。
此外，还可以使用交叉验证方法来评估地震预测模型的准确性。
在交叉验证方法中，模型会被拆分成训练集和验证集，通过在训练集上训练模型并在验证集上进行预测，最后比较预测结果与实际情况，以评估模型的准确性。
另外，地震预测模型的评估还可以考虑模型的敏感性分析。
敏感性分析是评估模型对输入参数的敏感程度。
对于地震预测模型来说，输入参数可能包括地壳应力、地震波速度等。
通过改变输入参数的值，观察模型输出结果的变化情况，可以评估模型对不同输入参数的敏感性。
敏感性分析有助于确定模型中哪些参数对预测结果具有重要影响，从而对模型进行改进或优化。
此外，地震预测模型的评估还可以采用评判矩阵法。
评判矩阵法是一种多因素决策分析方法，可以综合考虑多个评价指标和多个方案之间的关系。
对于地震预测模型的评估而言，可以根据评判矩阵法来确定评价指标和权重，通过对预测模型的不同方案进行评价并计算得分，从而比较不同模型之间的可行性和准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
楚雄师范学院2014年“雁峰杯”数学建模竞赛论文题目地震检测姓名杨子月学院数学与统计学院专业数学与应用数学2014年5月28日地震检测模型摘要继2008年5月12日在四川汶川大地震之后，2013年4月22日四川雅安又发生了一次7.0级地震，这些重大自然灾害，给我们每一位中国人带来了巨大的伤痛，痛定思痛，我们应该为减少震后灾害做些事情。
当地震发生时，震中位置的快速确定对第一时间展开抗震救灾起到非常重要的作用，而震中位置可以通过多个地震观测站点接收到地震波的时间推算得到。
现已采集到某地观测的30个指标的数据，和该地区该时期内已发生地震的经纬度、地震波到达的时间的数据。
科学地截取这些数据的有用片段，对数据进行合理地预测处理，用数学方法计算出地震的中心位置。
关键词：地震检测经纬度地震波到达时间震源中心一、问题重述假设你是一位地震学家，在某地部署了30座地震台。
这些地震台装备了测量和记录地质运动的设备。
现已采集了这30座地震台的坐标和某次地震时这些的地震台测得的地震运动到达时间t，现在我们需要建立一个数学模型求出这次地震中心的坐标M（x，y）。
二、模型假设1、假设震源在地下，发生地震之后地震波沿着各个方向匀速传播，且在传播过程中速度保持不变。
2、假设地震波在各种介质中的传播速度相等。
3、假设地震发生的区域范围内时差为零。
4、、假设由于其他因素而引起10多个指标数据的变化以及非正常波动可以忽略不计。
5、假设地震的前兆指标的数据特征符合一定的概率统计分布。
6、地形各观测点没有剧烈变化。
通过以上条件虽然不能精确求出地震发生的地点，但是可以建立一种在空间和时间上准确模拟地震发生以及预测的模型机制，对于地震预报及防治有很大的现实意义。
地震源可能在地下，地震发生之后，地震波从震源点开始以球面方式沿各个方向传播，在空间和时间上是一个三维的立体模型结构。
三、符号说明及名词解释3.1符号说明震中位置 M（x，y）经度 x（度）纬度 y（度）震源深度 h（千米）地震波在各种介质中的传播速度v（千米/秒）地震波到达时间 t（秒）3.2 名词解释地震波：地震被按传播方式分为三种类型：纵波、横波和面波。
纵波是推进波，地壳中传播速度为5．5~7千米／秒，最先到达震中，又称P波，它使地面发生上下振动，破坏性较弱。
横波是剪切波：在地壳中的传播速度为3.2～4.0千米/秒，第二个到达震中，又称S波，它使地面发生前后、左右抖动，破坏性较强。
面波又称L波，是由纵波与横波在地表相遇后激发产生的混合波。
其波长大、振幅强，只能沿地表面传播，是造成建筑物强烈破坏的主要因素。
[1]震源中心：地球内部岩层破裂引起振动的地方称为震源。
它是有一定大小的区域，又称震源区或震源体，是地震能量积聚和释放的地方。
人为因素引起的地震的震源称人工震源，如人工爆破（炸药爆破，核弹试验）等。
天然地震震源和人工爆破震源的性质有很大区别。
一般而言，天然地震主要发生在断层上，以剪切错动为止；而人工爆破震源却是以一点为中心向周围膨胀的过程。
采用地震波形资料进行地震矩张量反演，人们可以大致地区分这两种震源的特性。
[2]四、模型建立4.1数据的分析地震台位置平面展示图一为30个地震台平面位置分布情况（其中横坐标x表示地震台的经度，纵坐标y表示地震台的纬度）（图一）[3]4.2数据处理设震中位置为M(x,y)点，震源深度为h千米/秒，各个地震台收到地震波的时间为地震发生后t秒。
则任意取四个观测点有以下方程式：地震台1: MS=sqrt((30.16-x)^2+(120.10-y)^2+h^2)=v*45.969地震台5: MS=sqrt((30.03-x)^2+(119.57-y)^2+h^2)=v*51.254地震台11: MS=sqrt((29.07-s)^2+(119.39-y)^2+h^2)=v*59.221地震台27: MS=sqrt((29.18-x)^2+(120.04-y)^2+h^2)=v*83.560五、模型求解利用matlab软件[4]解以上方程组，则可得出震中位置M、震源深度h以及地震发生的时间。
编写程序，用solve函数求解方程组中参数，程序如下：S=solve('sqrt((30.16-x)^2+(120.10-y)^2+h^2)=v*45.969','sqrt((30.03-x) ^2+(119.57-y)^2+h^2)=v*51.254','sqrt((29.07-x)^2+(119.39-y)^2+h^2)=v* 59.221','sqrt((29.18-x)^2+(120.04-y)^2+h^2)=v*83.560','x,y,h,v')求解结果如下：v: [2x1 sym]x: [2x1 sym]y: [2x1 sym]x=739y=308v=3.0066 千米/秒则由此结果可得到震中位置为M(739,308)。
六、模型检验地震预报预测之艰难不言而喻，然而通过此次研究分析发现，地震发生前并非不显示任何蛛丝马迹，笔者基于促进其预测预报研究的目的提出以下建议和设想：确保各指标观测数据的真实性、准确性。
数据是供人们研究的平台，其真实性、准确性直接关乎研究方向的正确性及研究结果的实效性。
优化数据挖掘方法。
从各指标对事件的函数图像可知，各指标值振荡频繁，然而不是所有的振荡都是因为地震的发生而引起的，如电磁波的振荡容易受太阳黑子等因素影响而发生明显振荡。
如何采取科学、合适的数据挖掘方法关系到所得模型预测预报的准确率，我们所采取的是均值结构模型以达到消除偶然误差的目的，其效果显著，然而由于原理上的限制，还是有所偏差，所以笔者设想能否利用数理统计方法进行估计，以使偏差尽量降低。
研究地震发生时各指标异常机理。
研究过程发现，各指标异常会出现一定的提前量或滞后性，如何估计这些提前量关乎预测预报的准确性，只有通过研究各指标因地震变化的机理才能用数学方法较为准确的估计这些提前量。
地震活动是一种复杂现象，各种观测数据之间缺乏对比性，难以利用统一的物理场进行描述。
为了将各种观测量的异常信息进行表达，可把各前兆异常量转化为无量纲量以便进行对比。
各种地震前兆观测量虽然是不同的物理量，但其共同的特点都是随时间变化的数值，即都是时间函数，各种地震前兆异常也都表现为各种观测量随时间的突出变化，异常形态虽多种多样，但究其本质共同点都是观测曲线随时间的斜率变化。
因此，观测曲线随时间的斜率变化将是判断异常的重要指标。
[5]七、模型评价与推广7.1模型评价7.11 模型优点1、本数据预处理使用了均值结构模型消除了其他偶然因素的影响，使地震前兆指标数据更加准确的反应地震发生的前兆信息。
2、优化数学研究方法。
本模型在求解任务一时采用均值结构模型达到较良的消除误差的效果；采用综合指标法求解任务二，考虑全面周到，效果较好，在模型改进中所提出的判别分析法，科学有效，对数据利用率较高。
在任务三中采用各年份指标值和历年各指标均值作差以消除地核、外空对电磁波的影响，巧妙科学，适宜推广使用。
任务三中采用非线性组合模型，较好的解决数据携带信号较弱的缺点。
限于知识、能力，对于上述数学方法在地震预测预报中的应用没有达到预期效果，须进一步研究改进。
由于地震的发生及受其影响的各指标间的复杂关系，很难采用现有的技术探测，笔者试想，能否应用Bp神经网络解决此难题，设定科学的学习规则，利用神经网络的自我学习特性，达到预测预报的目的。
7.12 模型缺点1、在地震活动性分析中有许多前兆性的数据指标，例如题中数据给出的氡值、水位、磁场强度等因素。
这些指标在不同的侧面反映了地震活动的各种特征。
但在实际的预报中，常常有些参数在一些中强以上的地震前出现比较明显。
在正常情况下，也常常有些参数出现较明显的异常，而另一些参数并不出现异常。
这些都给实际预报带来了困难。
2、在地震分析中经常要分析各个变量间相互依存关系，本文模型只能分析每一个变量对因变量的直接影响，且要求其余自变量之间相互独立。
事实上，变量之间的关系错综复杂，一个自变量可能对一个因变量有直接影响，也可能通过其他的自变量对因变量有间接地影响，显然本模型无能为力。
7.2 模型推广建立地震预测模型，通过各种环境、气象、地壳运动的监测，当地的地质地貌及历史数据等可以更加精确的预测地震的时间、位置及级数。
这个需要地震专家的高度支持。
比如云南地震局的数学专家李家稳，通过各种临震监测数据、历史数据，建立数学模型分析，自1991年到现在，云南地区发生5级以上地震，只有一次没有预测准确，极大地减少了人员伤亡及经济损失。
当然,这一模型建立的精确程度与其各相关数据的多少,模型决策变量设定的科学程度等都有紧密联系。
八、参考文献[1]百度百科，地震波，/view/66121.htm?fr=ala0_1_1，2010年8月16日。
[2]百度百科，震源，/view/217810.htm?fr=aladdin 2013年05月。
[3]刘胜利，几何画板课件制作教程，北京，科学出版社，2010年02月。
[4]姜启源，数学模型，北京，高等教育出版社，2012年05月。
[5]胡运权，运筹学基础及运用，北京，高等教育出版社，2008年06月。
九、附录9.1 Matlab程序：S=solve('sqrt((30.16-x)^2+(120.10-y)^2+h^2)=v*45.969','sqrt((30.03-x) ^2+(119.57-y)^2+h^2)=v*51.254','sqrt((29.07-x)^2+(119.39-y)^2+h^2)=v* 59.221','sqrt((29.18-x)^2+(120.04-y)^2+h^2)=v*83.560','x,y,h,v')9.2各个地震台经纬度及地震波到达时间表。