周 洋

1 中国地震局地震研究所，武汉市洪山侧路40号，430071 2 中国地震局地震大地测量重点实验室，武汉市洪山侧路40号，430071 3 湖北省地震局，武汉市洪山侧路48号，430071

地震预测的难度在于地球内部的不可入性、地震的非频发性及地震发生机理的复杂性。科学合理地进行地震数据预测，对于救灾物资的有效配置及国计民生具有重要的指导意义[1-3]。随着计算机硬件设备和智能算法的发展，利用计算机的高速计算能力和智能学习算法对地震活动进行建模预测成为地震预测领域的主流研究方向。现今的地震预测领域已成为横跨多门基础学科的综合研究领域[4]，有学者利用机器学习算法从储层预测、地震灾害信息预测、地震死亡人数评估等方面进行研究[5-8]，并采用统计学方法和机器学习方法对股票价格进行建模预测[9-10]。

目前地震数据预测仍面临诸多问题，如当预测时间和地理区域范围较大时，特征指标数据不能很好地描述地震的发生状况，预测性能较差；神经网络等需要训练的算法，需要大量的异常数据集进行训练，否则容易出现过拟合问题。针对这些问题，本文提出一种基于核混合效应的回归模型，并应用于湖北地震台站地球物理数据的预测仿真，结果表明，相较于传统的神经网络机器学习算法，该模型预测效果较好，预测精度较高[11-12]。

1 核混合效应回归模型

1.1 最小二乘支持向量机与线性混合模型

内核提供了一种有效的方法来制定基于内部乘积的线性算法的非线性概括，基于内核的学习已越来越多地用于各个学科的数据分析程序中。……