1、第 卷第期 年月地震工程学报 ，收稿日期：基金项目：四川省科技计划项目 四川地区主要断裂系统地震活动性统计预测与技术应用研究第一作者简介：叶秋吟（），女，硕士研究生，主要从事应用统计、数学方法应用、地学数据统计方面研究。：。叶秋吟，薛源，曾文骏，等 龙门山断裂带发震时刻间隔的 模型分析预测 地震工程学报，（）：，（）：龙门山断裂带发震时刻间隔的 模型分析预测叶秋吟，薛源，曾文骏，杨静，饶敏，（成都理工大学数理学院，四川 成都 ；数学地质四川省重点实验室，四川 成都 ）摘要：基于龙门山断裂带 年月 年月及以上地震目录数据，按震级分组建立发震时刻间隔序列，然后对各序列进行平稳白噪声检验，自相关、偏
2、相关性分析，使用 模型对其进行短、中、长周期拟合及预测。通过分析模型拟合效果，得到不同震级序列的最优模型参数及相应周期数值。其中，序列及序列各模型调整均在 以上，最高达 ；两序列对应模型的短时预测表现良好，预测 分别为 及 。模型预测结果表明，龙门山断裂带后续发震时刻间隔总体趋势平稳，序列 预测结果趋势有微弱增长，一段时间内龙门山断裂带 地震发震次数将略微下降，地震活动性降低。该分析结果可为地震活动研究工作提供科学依据，其分析方法及过程为地震发震时间的分析预测提供了有效可行的途径。关键词：龙门山断裂带；发震时刻间隔；模型；时间序列分析中图分类号：；文献标志码：文章编号：（）：，（.，；.，）：
3、，；，；，：；引言龙门山断裂带位于青藏高原东缘、四川盆地西北边缘，以北东南西向展布，北端抵达秦岭断裂带，南端止于鲜水河小江断裂带，长约 ，宽约 ，主要由后山断裂、中央断裂、前山断裂和山前隐伏断裂条主干断裂及其控制的逆冲推覆体组成。该断裂带范围内分布有都江堰等数十个重要城镇，主山前边界大断裂东南方向靠近人口密集的成都平原地区及双城经济圈，地理位置特殊。探究龙门山断裂带的发震时间规律，有助于为该断裂带地震活动波及地区的地震预测工作提供科学的地震管理决策依据。如今地震研究是跨学科的综合性领域，对于地震时间序列数据，很多研究者利用统计、概率的方法和模型对地震发生时间、位置及危险性等重要信息进行预测。部
4、 分 学 者 着 眼 于 对 震 级 时 间 序 列 进 行 探究，如和宏伟利用门限自回归等统计方法处理震级序列。另外也不乏对发震时刻间隔序列的研究，其中多为分析地震时间间隔的概率分布，如王璇，等及 等将其与统计学中的分布相比较。也有对时间间隔开展预测研究工作，如郭安宁等 利用倍周期叠加黄金分割法对西北地区的 地震进行的验证性预测，并发现有很好的吻合性。等 提出将独立 过程叠加的随机微分方程应用于地震研究中，并用该模型拟合了南美 以下的地震序列。此外，还有学者拓展预测途径，如陈翰林等，游佳等，朱海宁 及 等 运用 、及回归算法对地震时间进行预测。季节性自回归综合移动平均（，）模型既能用于预测自
5、然现象如降雨量 、河流流量 等，也可以对社会经济现象如交通运输客流量、贸易量等方面进行预测，如学者于琛等，易靖韬等，孙越等 及 等 所做研究。在地震预测领域，有学者如张继艳等，李磊等 及 等 运用求和自回归移动平均（，）模型对地震前兆异常进行识别，通过探测震前电离层异常预报地震。但鲜有将 或季节求和自回归移动平均（，）模型用以拟合发震时刻的数据。本文选取中国四川地区龙门山断裂带 年至 年月的地震事件作为研究对象，从发震时刻间隔的角度，利用 模型分别按震级对序列进行拟合，以此预测发震时刻间隔的发展趋势及下一次发震的时间。模型模型理论 模型于 世纪 年代被 及 首次提出，全称为差分自回归移动平均模
6、型，记作 （，），其中和分别表示自回归和移动平均阶数；为趋势差分阶数，基本模型结构为：（）（）（）式中：（）（），为阶自回归系数多项式，为延迟算子，且有 ；为阶差分；（）为阶移动平均系数多项式。模型可对无季节效应的非平稳时间序列建模，而现实生活中很多时间序列存在着一定周期性，对于既含季节效应又含长期趋势效应且两者存在复杂交互影响关系的序列，可采用 模型。模型又称乘积季节模型，最初由 等 提出通用表达式，记为 （，）（，），其中和分别为季节性自回归和季节性移动平均阶数；为季节差分的阶数；为季节周期数。作为 模型的扩展，该模型在原模型基础上对序列进行了季节差分提取季节效应地震工程学报 年信息，以达
7、到对季节性时间序列建模的目的。对时间序列，模型表达式可记为：（）（）（）（）（）式中：是以为周期的次季节差分；是误差项在时刻的随机干扰；（）、（）分别表示阶季节自回归系数多项式及阶季节移动平均系数多项式。预测模型构建针对小样本数据的预测，传统时间序列预测模型可以较充分地提取数据所含信息，同时也不易出现过拟合致使预测结果不理想的情况。本文在分析数据结构和特点后，选择利用 模型对地震时间序列进行建模。作为传统统计预测模型，模型对小样本数据的拟合程度较好、预测精度高、训练速度快且能够能较准确反映数据动态变化，在捕捉序列长期趋势变化的同时提取其周期性波动的信息。对按震级分组后的序列进行差分，得到发震时
8、刻间隔序列，得到不同参数的 模型：模型拟合值序列及预测值序列，并以此估计下一次发震时刻。预测时选取了建模效果最好的长中短周期，表示为、，以保证模型对短期与长期时序信息的有效提取，提高各期预测的精度。模型分析流程图如下：图 模型分析流程图 龙门山断裂带发震时间间隔研究数据与样本本文采用 年月日 年月 日中国地震台网（：）地震目录数据。地震事件序列有发震时间、经纬度、震级等因素，具有波动性、非线性的特点，因此通过数据预处理将其确定为特定空间和一定震级下的数据，即龙门山断裂带经纬度范围内（，）及以上的时间序列。对数据进一步筛选，考虑其发震断裂位置得实验样本数据 条，发震时刻 年月日 年月，（，）。对
9、选出样本的发震时刻差分处理得发震时刻间隔序列，该样本具有如下特征：（）样本量相对较小。由于设备和技术等原因，早期监测数据不够完备，由此计算时间间隔数值准确性将显著降低，因此选取近 年地震序列，有效避免该问题，但同时也减少了数据量；（）时间跨度大。数据时间从 年月 年月，包含龙门山断裂带近 年间地震事件；（）非平稳、强波动性。数据的影响因素较多且可能有复杂交互影响，且地震序列本身就有复杂的周期性特点。另外，序列中记录的第 次发震为 年雅安芦山大地震，随后伴有非常紧密的、大小不一的数次余震，由此造成监测数据中第 次至 次发震前后时间间隔短，一段时间内序列趋近零值。以表示原序列，序列如图所示。模型确
10、定分析数据所含特征，对序列分解，提取其趋势性、季节性及残差序列如图所示，表明该序列有一定趋势性和季节性，初步推测最小周期为天。模型需要序列满足平稳或差分后平稳的前提条件。对进行平稳性检验，确定差分次数，差分后序列记为。观察序列图（图），该序列似乎不具有明显趋势性。进一步采用 检验进行判断，检验原理即通过考察序列中是否含有单位根来判断该序列是否平稳：若序列平稳，则不存在单位根。结果得的 检验统计量为 ，值小于 ，表明该序列已平稳。按 划分数据为模型训练集、测试集，依据数据的 和 为模型定阶。用于衡量该序列的当前观测值与其滞后项间相关程度；用于衡量除去之前滞后已解释的影响后，当前观测值与其滞后项间
11、相关程度。考察两者的截尾、拖尾性第 卷 第期叶秋吟，等：龙门山断裂带发震时刻间隔的 模型分析预测质，可对 模型季节性及非季节性的自相关、偏自相关阶数给出参考。由图中 及 图初步确定模型非季节性阶数。图可看做拖尾或、阶截尾。图 地震发震时刻间隔序列图 图 地震时间间隔序列趋势季节分解 图 二次差分后地震时间间隔序列图 图 地震时间间隔序列 及 图 地震工程学报 年结合模型调整的选择模型最优阶数，不同阶 模型拟合效果如表所列，确定模型，。表 不同自回归阶数 模型对比 模型调整参数检验 检验值 （，）不显著 （，）（，）（，）不显著 再考察对进行阶步差分后，滞后对应周期整数倍阶的 及 。以 为例，如
12、图，滞后 阶的 及 系数均在倍标准差范围外，且随后逐渐收敛。初步假设，其他周期情况大致相同。进一步对该假设模型进行参数检验和 检验。参数检验用于检验模型是否成立，即模型所有参数是否均显著不为；检验则用于检验模型拟合后的残差序列是否为白噪声序列，若为白噪声（），则表示残差序列中无更多可提取信息，即模型已充分提取原数据蕴含的信息。图地震时间间隔序列季节差分后 及 图 检验结果如表所列，模型中含不显著参数（阶季节自回归系数）。经比较，确定模型最佳季节性阶数，。表不同季节阶数 模型对比 模型调整参数检验 检验值 （，）（，）（，）（，）（，）（，）（，）（，）不显著 模型评价研究所用地震序列有大小周期
13、复杂交叠的情况，在分析数据周期性时，针对短、中、长期的预测各选取不同季节期数。对序列做不同跨度的中心移动平均，所得序列记为，（，）为跨度。比较各与的差异，观察各周期对季节性消除程度，拟合（，）的模型。为了更好地比较不同模型间预测效果，本文采用常见评价指标中的均方根误差（）来代表模型的拟合误差：（）（）式中：为真实值；为拟合值。对于通过参数检验和 检 验 的模 型，可分析其调整及拟合 来判定其拟合效果。准则（最小信息化准则）也常用于衡量统计模型复杂度及拟合优良性，在鼓励数据拟合的优良性的同时尽量避免过度拟合，其 值越小表明模型在该准则下性能越优。本文模型选取的原则为：优先采用调整数值高的模型，在
14、该值差距不显著的情况下，考察各模型拟合 ，同时以模型 值作为辅助参考，确定最优模型。表提供了部分已通过参数检验及 检验的不同周期模型拟合情况。由此可以确定地震数据短、中、长期预测模型分别为 （，）（，），（，）（，），（，）（，），模型拟合效果如图所示。震级分组对原序列按震级分组，得序列共 条数据，序列共 条数据。对其差分后得时刻间隔序列，两序列分别以、表示。按上述步骤对各序列进行分析建模，考虑对拟合模型 （，）（，），对拟合模型 （，）（，）。各组部分不同周期的模型对比如表及表所列。第 卷 第期叶秋吟，等：龙门山断裂带发震时刻间隔的 模型分析预测表不同周期模型 对比 周期长度 模型调整 检验
15、值拟合 短周期 （，）（，）（，）（，）中周期 （，）（，）（，）（，）长周期 （，）（，）（，）（，）图不同周期模型拟合效果 表序列不同周期模型对比 周期长度 模型调整 检验值拟合 短周期 （，）（，）（，）（，）中周期 （，）（，）（，）（，）长周期 （，）（，）（，）（，）表序列不同周期模型对比 周期长度 模型调整 检验值拟合 短周期 （，）（，）（，）（，）中周期 （，）（，）（，）（，）长周期 （，）（，）地震工程学报 年按上述原则，综合各模型指标，确定以，对进行短、中及长期预测，预测模型为 （，）（，），（，）（，），（，）（，）。对于，由于 及以上地震序列数据量较少，难以捕捉长周
16、期变化趋势，相应的长周期模型均参数不显著或拟合效果不佳；同时，短周期模型拟合效果亦较差，序列仅表现出较明显的中周期性质。因此以 对进行中期预测，预测模型为 （，）（，）。各序列不同周期拟合效果如图、图所示。图序列不同期最优模型拟合效果 图序列最优模型拟合效果 利用最优模型预测各序列测试集数据，将预测结果与真实值对比，如图、所示。对于及，其测试集中数据较多，属于长时预测，对应模型能捕捉其周期性变化，但预测值整体较真实值偏高；对进行短时预测，（，）（，）能很好地预测近几期该序列发展趋势，且未表现出预测结果偏高的现象。各模型预测 如表所列。进一步计算序列及真实值及预测值的平均水平，两序列对应各周期模型的平均误差最低图 序列及不同期最优模型预测效果对比 第 卷 第期叶秋吟，等：龙门山断裂带发震时刻间隔的 模型分析预测图 序列最优模型预测效果 表各震级序列不同周期模型预测 序列最优 模型预测 （，）（，）（，）（，）（，）（，）（，）（，）（，）（，）（，）（，）（，）（，）为 天，最高为 天，参考目前发震时刻预测的普遍准确度，认为预测值平均水平的偏高程度在能接受的范围内。修正序列的预测值，对序