برآورد پارامتر شدت زلزله در منطقه گسل با استفاده از داده های حرارتی سنجش از دور
Publish place: Physical Geography Research، Vol: 53، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 224
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-53-3_006
تاریخ نمایه سازی: 4 دی 1400
Abstract:
زلزله یکی از پیش بینی ناپذیرترین و خطرناک ترین پدیده های طبیعی است که هرساله خسارات مالی و جانی فراوانی را باعث می شود. هنگام وقوع زلزله تنش ها و فعالیت های محدوده گسل افزایش می یابد و باعث تغییرات دمایی محسوسی نسبت به دمای نرمال می شود. این تغییرات دمایی خود را به صورت بی هنجاری هایی در مکان یا زمان نشان می دهند. در این تحقیق با استفاده از محصولات حرارتی سنجنده مادیس و شیپ فایل گسل های ایران، هفت زلزله با شدت بیشتر از شش ریشتر، که در ایران رخ داده، بررسی شده است. در این پژوهش با استفاده از تشکیل تصویر زمان- دما- فاصله در گسل مربوط به زلزله به عنوان ورودی دو روش تشخیص بی هنجاری حرارتی روی داده ها بررسی شده است. در نهایت، با استفاده از نتایج حاصل از بهترین روش تشخیص بیهنجاری پارامتر شدت با استفاده از شبکه عصبی مصنوعی برآورد شده است. نتایج الگوریتم های تشخیص ناهنجاری نشان می دهد هرچند هر دو روش تشخیص بی هنجاری حرارتی بی هنجاری حرارتی مربوط به هر زلزله را در روز زلزله در شعاع نزدیک به گسل شناسایی کردهاند روش چارکی (Interquartile) نسبت به روش میانگین- انحراف معیار نتایج مناسب تری را برای ورودی الگوریتم شبکه عصبی فراهم می کند. نتایج در مدل سازی نیز نشان می دهد پارامتر شدت زلزله، که با استفاده از شبکه عصبی مصنوعی بررسی شد، دقت کلی ۷۳/۰ را داشته است. ذکر این نکته لازم است که پیش نشانگر تغییرات دمای سطح و بی هنجاری های حرارتی به تنهایی نمی تواند برای بررسی کامل پارامترهای زلزله کافی و دقت لازم را برای تحلیل زلزله داشته باشد. ولی با توجه به حجم پایین داده های حرارتی و سادگی کار با آنها، توصیه می شود از آنها برای بررسی های ابتدایی و آغازین زمین لرزه استفاده شود و در صورت تایید نسبی آن برای تحلیلهای بیشتر، از روشها و پیش نشانگرهای دیگر، که در آنها اعمال الگوریتم ها و پردازش های سنگین و پیچیده نیاز است، استفاده شود.
Keywords:
Authors
آرش کریمی زارچی
دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران
محمدرضا سراجیان
دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :