منیره شمشیری - د انشجوی کارشناسی ارشد سنجش از دور دانشگاه تهران
مهدی آخوندزاده هنزائی - استا دیار گروه سنجش از د ور، دانشگاه تهران

بحث پیش بینی زمین لرزه ب همنظور کاهش تلفات و آسیب های آن از اهمیت بالایی برخورد ار است؛ به ویژه د ر منطقه لرزه خیزی مانند ایران که سالانه شاهد وقوع این پ دید ه طبیعی م یباش د. تشخیص ناهنجاری های قبل از زلزله نقش بسزایید ر این امر د اراست. تغییرات یونسفری که با اند از هگیری های از راه دور)مانن د استفاد ه از سیستم تعیین موقعیت جهانی( قابل شناسایی هستند به پیش نشانگرهای یونسفری زلزله معروف م یباشن د. د ر این مطالعه د و مجموعه داد ه از محتوای الکترون های یونسفر که حاصل از پرد ازش داد ه های GPS با نرم افزار Bernese است برای د و مورد مطالعاتی زلزله اهر آذربایجان شرقی) ۲۱ مر داد ۱۳۹۱( و زلزله کاکی بوشهر ) 20 فرور دین 1392 ( مورد استفاد ه قرار گرفته و نتایج آن با داد ه های ایستگاه جهانی مقایسه گر دید ه است. از آنجا که تغییرات TEC3 رفتاری غیرخطی دار د ب دین منظور برای پیش بینی و تشخیص تغییرات آن از تلفیق شبکه عصبی ) با به کارگیری پرسپترون چن دلایه ) 4MLP (( و الگوریتم PSO5 استفاد ه گر دید ه است. الگوریتم PSO باعملکرد ی مبتنی بر جمعیت می توان د د ر بهبو د وزن برآور د شد ه توسط شبکه عصبی مؤثر واقع شو د. با تجزیه و تحلیل علل ناهنجاری های یونسفر از جمله مید ان های ژئومغناطیسی و فعالیت های خورشید ی و حذف آ نها از پرد ازش های مورد نظر، نتایج حاصل نشان م ی دهد که برخی از این ناهنجاری ها ناشی از وقوع زلزله است و به کارگیری الگوریتم های هوشمن د توانسته استکارآیی مناسبی د ر جهت پیش بینی سری های زمانی غیر خطی د اشته باش د. خروجی حاصل از تلفیق شبک عصبی و PSO نشان م ی دهد که هر د و ناهنجاری های مثبت و منفی رخ م ی دهند. ناهنجاری های قبل از زلزله غالباً نزد یک به کانون زلزله رخ م ی دهند و د ر 3 روز قبل از زلزله اهر آذربایجان شرقی و 2 تا 6 روز قبل از زلزله کاکی بوشهر قابل رؤیت م یباشند .

زلزله، الگوریتم بهینه سازی تود ه ذرات،آنومالی، TEC ، شبکه عصبی مصنوعی