地震的一般分类方法.docx

《地震的一般分类方法.docx》由会员分享，可在线阅读，更多相关《地震的一般分类方法.docx（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、地震的一般分类方法龙源期刊网httpdocsj/doc/401f415203d276a20029bd64783e0912a2167cae.地震的一般分类方法何敏童威来源：（西部论丛）2019年第07期摘要：在对地震事件进行分类的经过中，采用K-means聚类分析法、K-means+算法根据震级、震源、深度分类标准对发生维度、深度、震级参数不同的地震进行合理有效的分类。关键词：K-meansK-means+Abstract：Intheprocessofclassifyingseismicevents，K-meansclusteranalysismethodandK-means+algorithm

2、areusedtoclassifyearthquakeswithdifferentdimensions，depths，andmagnitudesaccordingtomagnitude，source，anddepthclassificationcriteria.Keyword：K-means、K-means+引言据统计，地球上每年会发生500万起天然地震事件，天天都会发生1万起以上的地震事件。绝大多数的地震事件都与板块构造相关，发生在构造缝合带附近。将中国境内2021年至2016年近五年的各个参考地点地震发生维度、深度、震级等数据，作为我们研究震级、震源、深度这几个类别关系的较为标准的参考数据

3、进行数学模型的建立和求解。根据分类的特点，采用K-means聚类分析法，对三个要素进行一个聚类分析，最终得到近五年的地震事件根据这三个要素分类的一个结果。1.K-means经典算法K-means算法是硬聚类算法，是典型的基于原型的目的函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目的函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以歐式距离作为类似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数K-means算法是很典型的基于距离的聚类算法，采用距离作为类似性的评价指标，即以为两个对象的距离越近，其类似度就越大。该算法以为簇是由距离靠近的对象组成的，因而把得到紧凑且独立的簇作为最终目的。K-means算法接受输入量k；然后将n个数据对象划分为k个聚类以便使得所获得的聚类知足：同一聚类中的对象类似度较高；而不同聚类中的对象类似度较小。聚类类似度是利用各聚类中对象的均值所获得一个“中心对象引力中心来进行计算的。而求群中心点的方法可由下面三种公式求得：