سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پهنه بندی خطر زلزله استان کرمان با استفاده از تحلیل های آماری و شبکه های عصبی مصنوعی

Publish Year: 1396
Type: Journal paper
Language: Persian
View: 141

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_JIRAEG-10-1_001

Index date: 26 December 2023

پهنه بندی خطر زلزله استان کرمان با استفاده از تحلیل های آماری و شبکه های عصبی مصنوعی abstract

علم پیش بینی زلزله در جایگاه خود هنوز به تکامل مطلوب نرسیده است و تاکنون پیش بینی کاملا دقیقی بر اساس اصول فیزیکی صورت نگرفته است. لذا پیش بینی مشخصات رخداد یک زلزله همواره مورد توجه محققین بوده است. سه پارامتر اصلی یک زلزله شامل زمان، بزرگی و محل وقوع از جمله عدم قطعیت هایی هستند که از اهمیت ویژه ای برخوردار می باشند. در بررسی قابلیت اعتماد پذیری لرزه ای سازه ها وجود عدم قطعیت های زلزله نقش اساسی دارد. ماهیت تغییر پذیری زلزله سبب شده است که پیش بینی پارامتر های آن بسیار سخت باشد. در پیش بینی زلزله اگر پارامتر های تصادفی رخداد را لحاظ شود از اعتبار خاصی برخوردار خواهد شد. از این رو امروزه اکثر مطالعات بر پایه استفاده از روش های آماری برای پیش بینی احتمال رخداد زلزله می باشد. در مورد پیش بینی پارامتر های زلزله، مطالعات گسترده ای انجام شده است، ولی در زمینه پهنه بندی مکان رخداد زلزله احتمالی مطالعات کمی صورت گرفته است. استان کرمان به عنوان یکی ار لرزه خیز ترین مناطق کشور، زلزله های مخربی چون، بم، گلباف و زرند را تجربه کرده است. در این پژوهش با استفاده از شبکه های عصبی مصنوعی و تجزیه و تحلیل آماری، احتمال رخداد زلزله های بزرگتر از ۵/۴ ریشتر در مناطق مختلف استان کرمان بررسی شده است. با توجه به نتایج  بدست آمده، بیشترین احتمال وقوع زلزله در این استان، در منطقه جنوبی وبا احتمال ۶/۳۸ درصد پیش بینی شده است.

پهنه بندی خطر زلزله استان کرمان با استفاده از تحلیل های آماری و شبکه های عصبی مصنوعی Keywords:

پهنه بندی خطر زلزله استان کرمان با استفاده از تحلیل های آماری و شبکه های عصبی مصنوعی authors

عباس سیوندی پور

استادیار، دانشکده مهندسی عمران ونقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

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 :
Adeli, H., Panakkat, A., ۲۰۰۹, A probabilistic neural network for ...
Allameh Zadeh, M., ۲۰۰۴, Prediction of aftershocks pattern distribution using ...
Ashtari Jafari, M., ۲۰۱۰, Statistical prediction of the next great ...
Asim, K. M. , Martínez-Álvarez, F., Basit A., Iqbal T., ۲۰۱۷, Earthquake magnitude ...
Borghi, A., Aoudia, A., Riccardo E. M. R., Barzaghi, R., ...
Douglas, J., ۲۰۱۰, Ground-motion prediction equations ۱۹۶۴–۲۰۱۰, Pacific earthquake engineering ...
Ferraes, S.G., ۲۰۰۵, A probabilistic prediction of the next strong ...
Ghosh-Dastidar, S., Adeli, H., ۲۰۰۳, Wavelet-clustering-neural network model for freeway ...
International Institute of Seismology and Earthquake Engineering, http:// www.iiees.ac.ir ...
Kannan. S, ۲۰۱۴, Innovative Mathematical Model for Earthquake Prediction, Engineering ...
Kohonen, T. ۱۹۹۸, The self-organizing map, Neurocomputing ۲۱, ۱-۶ ...
Kulahc, F., Inceoz, M., Dogru, D., Aksoy,E., Baykara, O., ۲۰۰۹, ...
MATLAB R۲۰۱۰a, User’s Manual, the Math Works, Inc., ۲۰۱۰ ...
Mokhtari, M., ۲۰۱۰, Earthquake prediction activities and Damavand earthquake precursor ...
Moustra, M., Avraamides, M., Christodoulou, C., ۲۰۱۱, Artificial neural networks ...
National Geoscience Database of Iran, http://www.ngdir.irNi, H., Yin, H., ۲۰۰۸, ...
Reyesa J, Morales-Estebanb A, Martínez-Álvarezc F., ۲۰۱۳, Neural Networks to ...
Yamashina, K., ۲۰۰۶, Trial of earthquake prediction in Japan and ...
You-Po, S., Qing-Jie, Z., ۲۰۰۹, Application of ANN to Prediction ...
Yu.L. Rebetsky, S.I. Kuzikov, ۲۰۱۶, Active faults of the northern ...
نمایش کامل مراجع