寻找地震相关区域的词频共现分析方法

J4 ›› 2014, Vol. 36 ›› Issue (03): 536-540.

寻找地震相关区域的词频共现分析方法

胡明生1,2，贾志娟1，吉晓宇1，洪流2

（1.郑州师范学院软件研究所,河南郑州 450044;2.华中科技大学系统工程研究所,湖北武汉 430074）

收稿日期:2012-08-30 修回日期:2013-01-14 出版日期:2014-03-25 发布日期:2014-03-25
基金资助:
国家自然科学基金资助项目（U1204703/G011202）；河南省重点科技攻关项目(122102310004)；郑州市创新型科技人才队伍建设工程(10LJRC190)

A method of co-occurrence frequency analysis to
find out correlations among earthquake areas

HU Mingsheng1,2,JIA Zhijuan1,JI Xiaoyu1,HONG Liu2

(1.Institute of Software,Zhengzhou Normal University,Zhengzhou 450044;
2.Institute of Systems Engineering,Huazhong University of Science and Technology,Wuhan 430074,China)

Received:2012-08-30 Revised:2013-01-14 Online:2014-03-25 Published:2014-03-25

摘要/Abstract

摘要：

地震的地区相关性反映出一定地理位置上地震发生的规律性，寻找中国震区之间的相关性规律可以提前预测地震发生的区域。以中国历史地震灾害数据库为平台搭建共现分析模型，首先将地震区域以熟知地名进行划分，在此基础上改进原有Salton模型，提出一种基于修正Salton指数的共现分析方法，使用修正后的共现分析方法求解地震区域间的关联度。实验表明，该修正Salton模型能更准确地反映关联度。

关键词: 地震区域, 词频共现, Salton指数, 相关性

Abstract:

Correlations among earthquake areas reflect the regularity of earthquakes happening in certain areas. Looking for correlations among earthquakes can forecast the earthquake areas before the disaster comes. Based on DCHED (Database of Chinese Historical Earthquake Disasters), cooccurrence analysis model is established. Firstly, earthquake areas are divided according to the wellknown names. Secondly, the traditional Salton model is improved. And, based on the improved Salton index, a method of cooccurrence analysis is proposed in order to solve problems of correlations among earthquake areas. Finally, experiments are performed to prove that the improved Salton model can reflect correlations among earthquake areas more accurately.

Key words: earthquake areas;co-occurrence;Salton index;correlation

胡明生1,2，贾志娟1，吉晓宇1，洪流2. 寻找地震相关区域的词频共现分析方法[J]. J4, 2014, 36(03): 536-540.

HU Mingsheng1,2,JIA Zhijuan1,JI Xiaoyu1,HONG Liu2. A method of co-occurrence frequency analysis to
find out correlations among earthquake areas [J]. J4, 2014, 36(03): 536-540.

参考文献

［1］Wu Shaochun, Wu Gengfeng, Wang Wei, et al. A timesequence similarity matching algorithm for seismological relevant zones［J］. Journal of Software, 2006, 17(2):185192.(in Chinese)
［2］Buzna L, Peters K, Ammoser H, et al. Efficient response to cascading disaster spreading［J］. Physical Review E, 2007,75(5):18.
［3］Lu Yunzhong, Chen Zhangli, Wang Biquan, et al. Seismology method of earthquake forecasting［M］. Beijing:Earthquake Press, 1985.(in Chinese).
［4］Lin Guoliang, Wang Jian. Compilation of Chinese historical earthquake data by building up a database system based on seismic intensity points［J］. ACTA Seismologica SINICA, 34(1):118124.（in Chinese）
［5］Qiu Jianfeng, Xie Juan, Li Wei, et al. Research on correlation and periodicity of moderatestrong earthquake［J］. Computer Engineering. 2011, 37(10):1622.（in Chinese）
［6］Hu Mingsheng, Jia Zhijuan, Dong Xiangying, et al. SAANT:A historical epidemic classification method based on simulated annealing and ACO［J］. IJACT:International Journal of Advancements in Computing Technology, 2011, 3(11):4754.
［7］Song Junqiang, Gong Xiping, Zhang Lilun, et al. A block orthogonalization procedure for skinny matrices［J］. Computer Engineering & Science, 2010, 32(4):9092.（in Chinese）
［8］Jia Zhijuan,Hu Mingsheng,Liu Si.Historical disaster classification method based on ant colony clustering［J］.Journal of Computer Applications,2012,32(4):10301032.（in Chinese）
附中文参考文献：
［1］吴绍春, 吴耿峰, 王炜,等. 寻找地震相关地区的时间序列相似性匹配算法［J］. 软件学报, 2006, 17(2):185192.
［3］陆远忠，陈章立，王碧泉，等.地震预报的地震学方法［M］.北京：地震出版社，1985.
［4］林国良, 王健. 基于烈度点的中国历史地震资料数据库系统试编制［J］. 地震学报, 2012,34(1):118124.
［5］邱剑锋, 谢娟, 李炜,等. 中强地震的相关性与周期性研究［J］. 计算机工程, 2011, 37(10):1622.
［7］宋军强, 龚西平,张理论，等. 细长矩阵的块正交化方法［J］. 计算机工程与科学, 2010, 32(4):9092.
［8］贾志娟,胡明生,刘思.基于蚁群聚类的历史灾害分级方法［J］. 计算机应用,2012,32(4):10301032.

[1]	王玉雷, 谢凯亮, 陈思贇, 胡杰, 常胜. 卷积神经网络硬件加速的通用性设计[J]. 计算机工程与科学, 2023, 45(04): 577-581.
[2]	王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇, . 面向快递员揽收到达时间预测的多任务深度时空网络[J]. 计算机工程与科学, 2023, 45(01): 136-144.
[3]	程玉胜, 曹天成, 王一宾, 郑伟杰. 基于负相关性增强的不平衡多标签学习算法[J]. 计算机工程与科学, 2021, 43(09): 1700-1710.
[4]	杨岚雁, 靳敏, 张迎春, 张珣. 一种基于关联规则的MLKNN多标签分类算法[J]. 计算机工程与科学, 2020, 42(07): 1309-1317.
[5]	蒋芸，肖潇，侯金泉，陈莉. 基于局部正、负标记相关性的k近邻多标记分类新算法[J]. 计算机工程与科学, 2019, 41(10): 1854-1860.
[6]	蒋芸，肖潇，侯金泉，陈莉. 融合标记独有属性特征的k近邻多标记分类新算法[J]. 计算机工程与科学, 2019, 41(03): 513-519.
[7]	宋伟1,宋玉1,张帆2,范明1,叶阳东1. 基于排列熵的SAX特征表示方法复杂度及相关特性研究[J]. 计算机工程与科学, 2018, 40(07): 1303-1309.
[8]	邱亮1，夏慧明1，储久良2. 基于时域梯度相似度的视频质量评价模型[J]. 计算机工程与科学, 2018, 40(04): 707-711.
[9]	张迪，马慧芳，贾俊杰，余丽. 一种基于标签概率相关性的微博推荐方法[J]. 计算机工程与科学, 2017, 39(09): 1742-1748.
[10]	马慧芳，朱志强，成玉丹，贾俊杰. 基于核心词项平均划分相似度的短文本聚类算法[J]. 计算机工程与科学, 2017, 39(08): 1562-1569.
[11]	陈文兵，宋玛君，王廷春. 一种利用极限学习机的数据可视化方法[J]. 计算机工程与科学, 2017, 39(05): 912-918.
[12]	孙康宁1，马林华1，2，胡星1，蔡钊1，黄绍城1. 抗突发错误的短码长随机LDPC码设计[J]. J4, 2016, 38(04): 814-819.
[13]	黄一龙，李培峰，朱巧明. 中文事件相关性语料库构建及识别方法[J]. J4, 2015, 37(12): 2306-2311.
[14]	孙可1,3，龚永红1,2，邓振云1,3 . 一种高效的K值自适应的SA-KNN算法[J]. J4, 2015, 37(10): 1965-1970.
[15]	陈雪寒，陈志刚，曾锋，吴嘉. WSN中一种基于时空相关性的网内数据聚合路由协议[J]. J4, 2015, 37(01): 48-55.