پیش بینی پارامترهای مخاطرات لرزهای با بکارگیری الگوریتم ژنتیک مبتنی بر آنالیز خوشه بندی، مطالعه موردی از گسل تبریز
Publish place: Second International Conference on Environmental Hazards
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 869
This Paper With 9 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:
ICEHH02_129
تاریخ نمایه سازی: 13 آبان 1393
Abstract:
پیش بینی زمین لرزه یکی از چالش های علمی با ارزش است که اگر به نتایج موفق و علمی نائل گردد یک پیشرفت ماندگار محسوب می شود. در این زمینه روش هایی که با صرف زمان و هزینه ای کمتر نتایج مطلوبی را ارائه نمایند از اهمیت خاصی برخوردار خواهند بود. به همین منظور این پژوهش یکی از مدرنترین روشهای هوشمند یعنی الگوریتم ژنتیک را جهت پیش بینی پارامترهای مخاطرات لرزهای بکارگرفته است. در این راستا با گردآوری داده ها و همچنین ویژگی های لرزه خیزی مهم زمین لرزه های دستگاهی رویداده، بزرگای زلزله های آینده مرتبط با یک گسل برآورد می گردد. برای بکارگیری این روش، کدی عددی با رویکردی دو مرحلهای طراحی شد. مرحله اول شامل تجزیه و تحلیل دادهای بر اساس خوشه بندی K-means و مرحله دوم شامل آموزش و صحت سنجی شبیه سازی با الگوریتم ژنتیک می باشد. الگوریتم ژنتیک ضرائب وزنی از تابع غیرخطی پیشنهادی را برای داده های ورودی هر خوشه محاسبه میکند. نتایج نشان داده است این الگوریتم در تلفیق با خوشه بندی جهت برآورد بزرگای زمین لرزه به عنوان یک پارامتر مخاطرات لرزهای موفق عمل نموده است. این مطالعه بر روی داده های مربوط به گسل تبریز انجام گرفته و قابل تعمیم به سایر گسل ها خواهد بود.
Keywords:
پیش بینی زمین لرزه , الگوریتم ژنتیک , خوشه بندی K-means , پارامترهای مخاطرات لرزه ای , بزرگان زمین لرزه
Authors
زیبا حسینی
کارشناسی ارشد ژئوشیمی دانشگاه تبریز
سمیه شریفی
کارشناسی ارشد تکتونیک دانشگاه تبریز
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 :