پیام خود را بنویسید
دوره 14، شماره 2 - ( تابستان 1403 )                   جلد 14 شماره 2 صفحات 177-158 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Esfandiari Darabad F, Vahabzadeh Zargari M, Nezafat Takle B, Abidi Hamlabad S. Predicting the Magnitude of Possible Earthquakes in the Shahrood District of Khalkhal County, Ardabil, Iran, Using Artificial Neural Networks. Disaster Prev. Manag. Know. 2024; 14 (2) :158-177
URL: http://dpmk.ir/article-1-668-fa.html
اسفندیاری درآباد فریبا، وهاب‌زاده زرگری مهرداد، نظافت تکله بهروز، عبیدی حمل آباد سایه. پیش‌بینی بزرگای زمین‌لرزه احتمالی در بخش شاهرود شهرستان خلخال با استفاده از شبکه عصبی. دانش پیشگیری و مدیریت بحران. 1403; 14 (2) :158-177

URL: http://dpmk.ir/article-1-668-fa.html


1- گروه جغرافیا طبیعی (ژئومورفولوژی)، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
چکیده:   (5404 مشاهده)
زمینه و هدف زمین‌لرزه یکی از پدیده‌های طبیعی و مخاطره‌آمیز بر روی کره زمین است که به‌علت میزان صدمات و شدت آن از اهمیت ویژه‌ای برخوردار است. بنابراین شناخت پارامتر‌ها و پیش‌بینی زمین‌لرزه یکی از اقدامات ضروری برای کاهش خسارات، توسعه زیرساخت‌های مقاوم و جلوگیری از از دست رفتن زندگی جوامع انسانی است. هدف از پژوهش حاضر پیش‌بینی بزرگای زمین‌لرزه احتمالی در بخش شاهرود شهرستان خلخال با استفاده از شبکه عصبی است. 
روش در این پژوهش از شبکه عصبی پرسپترون چندلایه برای پیش‌بینی بزرگای زمین‌لرزه استفاده شد. 
یافته ها نتایج حاصل از پژوهش نشان داد در مناطق گسله به‌ویژه گسل کلور رخداد زمین‌لرزه با بزرگای 1 تا 3 ریشتر در منطقه با مجموع 70 درصد دارای احتمال بیشتری است، اما به‌خاطر مجهول بودن بخشی از داده‌های زمین‌لرزه با بزرگای بالای 6 ریشتر، از عوامل تأثیرگذار دیگر استفاده شده که این امکان را برای شبکه عصبی پرسپترون چندلایه در بخش پیش‌بینی فراهم می‌سازد تا با تشکیل ماتریس و مقایسه‌ آن نتایج نهایی ایجاد شود. همچنین پیش‌بینی وقوع زمین‌لرزه با بزرگای 4 تا 6 در آینده، با 26 درصد احتمال متوسطی دارد، اما پیش‌بینی زمین‌لرزه‌هایی با بزرگای 7 تا 10 ریشتر توسط مدل پرسپترون چندلایه با مجموع 4 درصد دارای احتمال خیلی پایینی است. 
نتیجه گیری درنهایت پیشنهاد می‌شود در مطالعات آتی، برای پیش‌بینی هرچه بهتر و دقیق‌تر زمین‌لرزه‌ها در منطقه موردمطالعه، از مدل‌های مبتنی بر روش‌های یادگیری ماشینی استفاده شود.
 
متن کامل [PDF 12555 kb]   (352 دریافت) |   |   متن کامل (HTML)  (242 مشاهده)  
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1402/12/24 | پذیرش: 1403/3/20 | انتشار الکترونیک: 1403/6/28

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه علمی دانش پیشگیری و مدیریت بحران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

Designed & Developed by : Yektaweb