استفاده از الگوریتم های یادگیری ماشین برای تشخیص گسل ها در داده های لرزه ای

شناخت گسل ها نقش مهمی درشناخت شبکه شکستگی ایفا می کنند. رو شهای مختلفی برای شناسایی گسل های موجود در داده های لرزه ایوجود دارد که متداول ترین آنها تفسیر گسل ها توسط نشانگرهای لرزه ای است. در این پژوهش، از روشی مبتنی بر تلفیق نشانگرهای لرزه ایبرای تشخیص گسل های موجود استفاده شده است. ابتدا مکعب بهبود گسل مبنی بر مکعب هدایت شیب تهیه و فیلترهای شیب میانه، بهبودگسل اعمال شدند که باعث کاهش نوفه ها و وضوح بیشتر گسل ها گردید. سپس مجموع های از نشانگرهای متعارف مانند شباهت، انحنا، شیب،واریانس، بافت و انرژی و نشانگرهای نوین مانند احتمال گسل و احتمال گسل نازک شده محاسبه شدند. نقاط مشخصه نواحی گسل خورده وغیرگسل نیز تعیین و به عنوان ورودی شبکه عصبی مصنوعی و الگوریتم های یادگیری ماشین استفاده شدند. نتایج نشان داد که گسل ها درمکعب احتمال گسل توسط یادگیری ماشین و شبکه های عصبی با دقت بالاتری و پیوست هتر نسبت به تک نشانگری نمایش داده شدند.همچنین دقت شبکه های عصبی ۹۰ درصد، ماشین بردار پشتیبان ۹۹ درصد و جنگل تصادفی ۹۸ درصد بود که نشان دهنده عملکرد بهترالگوریتم ماشین بردار پشتیبان است.

استفاده از الگوریتم های یادگیری ماشین برای تشخیص گسل ها در داده های لرزه ای Keywords:

گسل , یادگیری ماشین , نشانگرهای لرزه ای , شبکه های عصبی , تشخیص گسل