地震前兆指標分析

孫娟

摘 要：針對震前各指標的變化幅度和相應震級，本文使用MATLAB軟件建立相關系數分析矩陣模型，得出各指標對地震的敏感程度。同時，運用主成分分析法對相關指標進行綜合分析，并以時間序列對綜合指標進行數據擬合，得出地震前兆綜合指標的變化趨勢。

關鍵詞：地震前兆;相關系數分析;主成分分析法

中圖分類號：P315.72 文獻標識碼：A 文章編號：1003-5168（2019）23-0156-03

A Study on the Index of Earthquake Precursors

SUN Juan

（University for Science & Technology Sichuan，Chengdu Sichuan 610000）

Abstract： According to the variation range of the indicators before the earthquake and the corresponding magnitude， this paper used MATLAB software to establish the correlation coefficient analysis matrix model， and obtained the sensitivity of each index to the earthquake. At the same time， the principal component analysis method was used to comprehensively analyze the relevant indicators， and the data was fitted to the comprehensive indicators by time series to obtain the trend of the comprehensive indicators of earthquake precursors.

Keywords： earthquake precursors;related index analysis;principal component analysis

2014年2月，新疆于田發生7.3級地震;2013年7月，甘肅省定西市岷縣、漳縣交界處發生6.6級地震，共造成95人死亡;2013年4月，四川省雅安市蘆山縣發生7.0級地震，共計造成196人死亡，1萬余人受傷;2011年3月，云南盈江發生5.8級地震，造成25人遇難，314人受傷，10余萬間房屋頃刻間倒塌損壞;2010年4月，青海省玉樹藏族自治州玉樹縣發生7.1級地震，造成2 698人遇難、270人失蹤;2008年5月，四川汶川、北川發生8.0級地震，造成69 227人遇難，374 643人受傷，17 923人失蹤，此次地震是新中國成立以來國內破壞性強、波及范圍廣、總傷亡人數多的地震之一。

地震一次又一次地向人們襲來，尤其是2008年的汶川8.0級大地震，造成的破壞極大，全國人民陷入悲慟之中，令人深思。地震是地殼快速釋放能量過程中造成的振動。雖然預測地震是世界性難題，但迄今科學界普遍認為，有可能反映地震前兆特征的指標不少于10個[4-7]。地震對人民和經濟的傷害是巨大的，盡可能地了解、預測地震，盡量做到早預防、早撤離，顯得如此重要。

當前，人們需要廣泛查閱與地震相關指標的數據和分析方法，分析震前各指標數據特征，建立數學模型以度量各指標對地震發生的敏感程度，構建由某些或全部指標構成的綜合指標，研究地震發生前的數量特征，使其盡可能地集中反映地震發生前的數據特征的統計規律。

1 預備工作

首先，根據地震的相關知識，查找與地震相關的12個指標，并搜集2005—2014年地震發生前15d的相關指標數據，分別用MATLAB畫出該段時間每次地震各個指標的散點圖。若是反映地震前兆的指標對地震敏感程度大，其在一段時間序列往往有比較大的變化幅度，因此觀察這些散點圖，得出最大的振幅，記為[Aij]（第[i]次地震的第[j]個指標的振幅，[i=1，2，...，7]表示2005—2014年發生的地震序號，[j=1，2，...，12]表示12個地震前兆指標），將7次地震各指標振幅與其所對應的震級做成一個矩陣，調用MATLAB軟件中的CORRCOEF函數，求出各指標對地震的敏感程度。

其次，需要構建某些或全部指標構成的綜合指標，使其盡可能得集中反映地震發生前的數據特征統計規律。人們可以應用主成分分析法，在力保原始數據信息不丟失的情況下，對高維變量空間進行降維處理，經過線性變換和部分信息舍棄，以少數的綜合變量取代原有的多維變量[3]。

2 問題解決的過程及結果

根據中國地震統計結果，筆者搜取到某地2005年1月1日至2014年6月30日按小時觀測的12個指標數據，對所劃時間段內的各指標散點圖進行觀察，得出地震前各指標的變化幅度，如表1所示。

針對表1數據，構建矩陣，用MATLAB軟件中的CORRCOEF函數求出各指標與地震級別的相關系數。經比較，各指標對地震的敏感程度由大到小依次為：氣溫、電磁波幅度NS、雨量、水位、氣壓、地溫、傾斜儀EW、水溫、傾斜儀NS、氣氡、電磁波EW、電壓。因此，人們可以利用對地震敏感度大的氣溫、電磁波振幅NS、雨量等依次來判斷地震發生的可能性。

下面用主成分分析法對各指標進行綜合指標分析。一是對7月26日到8月6日的原始數據進行標準化處理。首先，對樣本數據求平均，即

[Xi=j=1960Xij （i=1，2，...，7）]? ? ? ? ? ? ? ? ? ? ? （1）

然后，對樣本數據求標準差，即

[δi=j=1960（Xij-Xi）2 （i=1，2，...，7）]? ? ? ? ? ? ? ? ? ? （2）

接著，對原始數據進行標準化處理，即

[Xij=Xij-Xjδi （i=1，2，...，12;j=1，2，...，960）]? ? ? ? ?（3）

二是根據標準化數據表，計算相關系數矩陣[R=（rij）12×960]。相關系數矩陣公式為：

[rij=1960j=1960（Xji-Xi）（Xjj-Xj）δiδj]? ? ? ? ? （4）

三是計算[R]的特征值。根據特征方程[R-λiI=0]，計算特征根[λi]，并使其從大到小排列，即[λ1≥λ2≥...λ12]，同時可得對應的特征向量[ui]，它們標準正交。[u1，u2，...，u12]稱為主軸，得出特征值：[λ1]=4.349 45，[λ2]=4.340 93，[λ3]=3.309 17，[λ4]=0.000 395 387，[λ5]=1.915 58E-005，[λ6]=1.143 572E-005，[λ7]=1.147 11E-005，[λ8]=4.636 97E-006，[λ9]=2.731 133E-006，[λ10]= 8.919 1E-007，[λ11]=3.769 26E-007，[λ12]=1.996 629E-007。

四是計算貢獻率。根據[ei=λii=112λi]，得出[e1]=0.362 5，[e2=0.3617] ，[e3]=0.275 8，[e4=e5=e6=e7=e8=e9=e10=e11=e12]=0.000 0。因此，[e1+e2+e3=1]。將[ei]進行降序排序：[e1>e2>e3>e4>e5>e6>e7>e8>e9>e10>e11>e12]。累計貢獻率為：

[Em=i=1mλii=1pλi]? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

其中，[Em≥85%]。下面計算主成分，即

[Zi=j=1960uijXj （i=1，2，3）]? ? ? ? ? ? ? ? ? ? ?（6）

綜合指標表達式為：

[Wj=i3eiZi （j=1，2，...，960）]? ? ? ? ? ? ? ? ? ? ? （7）

通過對時間序列[Wj]在Excel中進行數據擬合，本研究得出了地震前兆綜合指標的變化趨勢，如圖1所示。

由圖1可以看出，地震發生前期，綜合指標整體呈現上升趨勢，可以作為預測地震發生的參考點。

3 結語

考慮到數據的波動性，通過對震級和幅度建立模型，筆者觀察了震前15d的波形圖，尋找突發性變化幅度最大的波作為對象，更好地反映臨震前指標會出現突發性現象。建立的模型也能更好地反映各指標對地震的敏感程度。不足的是，人工取幅度會造成誤差。人們要有效運用主成分分析法，合理構造各個指標的綜合指標，如果有震級更強的地震數據，將會有更好的效果。

參考文獻：

[1]鄭阿奇.MATLAB實用教程[M].北京：電子工業出版社，2007.

[2]付強.數據處理方法及其農業應用[M].北京：科學出版社，2006.

[3]姜啟源，謝金星，葉俊，等.數學模型[M].北京：高等教育出版社，2003.

[4]王喜珍，騰云田，高孟譚.基于樹形結構的地震數據庫系統設計方法[J].華北地震科學，2005（5）：11-13.

[5]王書明，朱培民，李宏偉，等.地球物理學中的高階統計量方法[M].北京：科學出版社，2006.

[6]周克昌，李志雄，王松.地震前兆數據監視與管理系統[J].地震，2006（1）：115-122.

[7]梁平著.汶川故事[M].成都：四川文藝出版社，2011.