سعید شهشهانی - دانشجوی دکتری ژئوفیزیک )زلزلهشناسی(، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران
مجید معهود - استادیار، پژوهشکده زلزلهشناسی، پژوهشگاه زلزلهشناسی و مهندسی زلزله، تهران، ایران

پیش بینی زمان،مکان و بزرگی زلزله یک کار چالش برانگیز است ، زیرا زلزله الگوی خاصی را نشان نمی دهد که منجر به پیش بینی نادرست شود. بلایای طبیعی همچون زلزله در اثر حرکات صفحات تکتونیکی زمین به دلیل آزاد شدن انرژی داخلی باعث خسارتهای جانی و مالی بسیاری می شوند؛ ایران یکی از کشورهای زلزله خیز است که به طور متوسط سالانه حدود ۴۴۵ زلزله با بزرگی سه الی هفت ریشتر در آن رخ می دهد. در این پژوهش ، ابتدا پارامترهای تاثیرگذار در پیدایش وقوع پدیده زلزله مورد بررسی قرار می گیرد که پیش نشانگر نامیده می شوند، سپس رویکردهای جدیدی برای پردازش و تحلیل دادهها برای پیش بینی زلزله و مدیریت خطرپذیری لرزهها از جمله استفاده از هوش مصنوعی که برای کشف قوانین ذاتی بین دادهها جهت طبقه بندی رویدادها یا پیش بینی مقادیر آنها از نظر تعداد و میانگین بزرگی است ؛همچنین کاربرد بینی زلزله است .

پیش نشانگر، مدیریت خطرپذیری زلزله ، هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق