تخمین پارامترهای گسل مسبب زلزله با استفاده از میدان جابجایی هم لرزه آن و الگوریتم شبکه ای عصبی مصنوعی
Publish place: دومین کنگره بین المللی علوم زمین و توسعه شهری
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 604
This Paper With 11 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:
ESUD02_529
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
کشور ما در یک پهنه لرزه خیز واقع شده است و دارای گسلهای فعال می باشد بنابراین مطالعه گسلها فعال امری حیاتی محسوب می شود هدف این مقاله بدست آوردن اطلاعات مربوط به پارامترهای گسل با استفاده از مجموعه مشاهدات زئودزی که مسئله معکوس ژئوفیزیک نامیده می شود از آنجایی که مسئله معکوس به طور مستقیم قابل حل نیست از روشهای بهینه سازی برای حل آن استفاده می شود بسیاری از مسائل بهینه سازی ژئوفیزیکی غیر خطی هستند و دارای تابع هدف بی قاعده هستند در برخورد با این مسائل به راحتی با استفاده از روشهای کلاسیک نمی توان به نتیجه مطلوب رسید و روشهای غیر کلاسیک یا تکاملی مطرح می شوند. در این تحقیق به منظور تخمین پارامترهای گسل مسبب زلزله از میدان جابجایی هم لرزه بدست آمده از مشاهدات تداخل سنجی راداری درزلزله 6 آذر 1384 جزیره قشم و الگوریتم شبکه عصبی مصنوعی استفاده شده است بکارگیری این روش در میدان جابجایی هم لرزه قشم منجر به تخمین پارمترهای گسل به عمق 6/1 کیلومتر و طول 7/4 کیلومتر و عرض 4/6 کیلومتر با شیب 42 درجه، آزیموت 251 درجه و لغزش 88 سانتی متر شد مقایسه نتایج فوق با سیار تحقیقهای انجام شده در این زمینه بیانگر آن است که روش شبکه عصبی مصنوعی یک روش قابل اعتماد در محاسبه پارامترهای گسل مسبب زلزله می باشد.
Keywords:
مسئله معکوس , بهینه سازی تکاملی , شبکه های عصبی مصنوعی , مدل اکادا , پارامترهای گسل , تداخل سنجی راداری
Authors
امیر یزدیان
کارشناسی ارشد ژئودزی دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیر الدین طوسی
بهزاد وثوقی
دانشیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
سعید حاجی آقاجانی
کارشناسی ارشد زئودوزی دانشکده مهندسی نقشه برداری نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :