پیشبینی زلزله با توجه به مطالعات سایزموتکتونیکی گسلها با استفاده از شبکه عصبی
Publish place: Second Conference on Seismology and Earthquake Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,273
This Paper With 8 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:
SEEAP02_057
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
در طی سالهای اخیر، تلاشهایی برای بررسی و پیشبینی توزیع زمانی و مکانی زلزلهها به کمک شبکه های عصبی مصنوعی انجام شده است. در این پژوهش با استفاده از اطلاعات لرزهنگارهای موجود و بهره جستن از تکنیک شبکه عصبی مصنوعی، شبکهای تحت آموزش قرار میگیرد که دارای قابلیت پیشبینی زمان وقوع و بزرگی زلزله در منطقه تحت بررسی میباشد و به منظور کاربرد این روش و نیز صحتسنجی نتایج حاصل از آن، اطلاعات ثبت شده زمینلرزه در استان مازندران که توسط مؤسسه ژئوفیزیک دانشگاه تهرانتهیه شده است، مورد بررسی قرار خواهد گرفت. در پژوهش حاضر، بجای استفاده از سری زمانی تغییرات بزرگی زلزله به عنوان متغییر ورودی شبکه عصبی، از سری تغییرات زمانی پارامتر b در قانون Gutenberg – Richter و Omori - Utsu که بر اساس سری تغییرات بزرگی زلزله بدست آمده است، استفاده میشود. در گام بعدی، توسعه شبکه عصبی با هدف تعیین معماری بهینه شبکه، مورد بررسی قرار گرفته و پس از آن، از مدل تهیه شده جهت پیشبینی زلزله در استان مازندران، استفاده گردید. نتایج این بررسی نشان میدهدکه شبکه عصبی قادر است به طور غیرمستقیم، قوانین Gutenberg – Richter و Omori - Utsu را فراگیرد که این امر توانایی بالای این تکنیک را در زمینه زلزلهشناسی نشان میدهد
Keywords:
شبکه عصبی مصنوعی , پیشبینی زمان وقوع زلزله , زمان وقوع زلزله , بزرگی زلزله , تحلیل ریسک , مدیریت بحران , گسل
Authors
مهسا شعبانیان
دانشجوی ارشد سازه موسسه آموزش عالی طبری بابل
غلامرضا عبداللهزاده
دانشیار، دکتری زلزله دانشگاه علم و صنعت ایران
میلاد شعبانیان
دانشجوی دکتری محیطزیست 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 :