عنوان

مطالعه سایزموتکتونیک گسل شمال تبریز با داده-کاوی اطلاعات لرزه‌ای به شیوه‌های هوش مصنوعی

Number

‭۱۲۷۱۵پ‬

.Language of Text, Soundtrack etc

per

Title Proper

مطالعه سایزموتکتونیک گسل شمال تبریز با داده-کاوی اطلاعات لرزه‌ای به شیوه‌های هوش مصنوعی

First Statement of Responsibility

/سمیه شریفی

Name of Publisher, Distributor, etc.

دانشکده علوم طبیعی

Specific Material Designation and Extent of Item

‮‭۱۶۱‬ص‬

Text of Note

چاپی

Date of degree

‮‭۱۳۹۲/۱۱/۲۵‬

Text of Note

تاریخچه لرزه‌ص‍ زمین صساخت گسل تبریز و زلزله‌صهای بزرگ تاریخی آن نشان می‌صدهد که این منطقه یکی از مناطق مهم لرزه‌صخیز ایران است و از این‌صرو باید با مطالعه سایزموتکتونیکی این گسل تا حد امکان خطرات وابسته به لرزه‌صخیزی این گسل را کاهش داد .پیش‌صبینی زمین لرزه یکی از چالش‌صهای علمی با ارزش است که اگر به نتایج موفق و علمی نائل گردد یک پیشرفت ماندگار محسوب می‌صشود .در این زمینه روش‌صهایی که با صرف زمان و هزینه‌صای کمتر نتایج مطلوبی را ارائه نمایند از اهمیت خاصی برخوردار خواهند بود .به همین منظور در این پژوهش با استفاده از روش‌صهای هوش مصنوعی به پیش‌صبینی مهمترین پارامترهای مخاطرات لرزه-ای اقدام شده است .در این راستا با گردآوری داده‌صها و همچنین ویژگی‌صهای لرزه خیزی مهم زمین‌صلرزه‌صهای تاریخی و دستگاهی رویداده، ابتدا به بررسی زیرپاره‌صهای این گسل اقدام شده و سپس بزرگا و محل و زمان زلزله‌صهای آینده مرتبط با یک گسل مورد بررسی قرار گرفته است .بر این اساس گسل تبریز براساس نتایج حاصل از خوشه‌صبندی به شش زیرپاره براساس داده‌صهای دستگاهی و پنج زیرپاره براساس داده‌صهای تاریخی تقسیم شده است و نتایج بدست آمده از پیش‌صبینی بزرگا، مکان و زمان رخداد زلزله‌صهای آتی بیانگر این است که کمترین خطا برای تعیین بزرگا و مکان-یابی زلزله‌صهای آتی به ترتیب مربوط به روش‌صهای تلفیق خوشه‌صبندی و الگوریتم ژنتیک و شبکه عصبی با یک لایه پنهان، است .در بررسی که پیرامون پیش‌صبینی زمان انجام شد مشخص گردید که بررسی این پارامتر به دلیل محدود بودن تعداد داده‌صها و وسعت کم منطقه مورد مطالعه، امکان‌صپذیر نمی‌صباشد

Text of Note

Seismotectonic state of Tabriz Fault shows that this region is regarded as one of the important historic seismic faults. Earthquake prediction is one of the valuable scientific challenges if rich scientifical and successful result is represented as a immanent development. In this issue, methods that with lest spending time and cost favorable will have special important there for in this research using artificial intelligence methods the most important seismic hazard have been predicted in this way by data collecting and also important seismicity speciality of happened systematic and historical earthquakes. In this research first subsegments of this fault have been studied and then magnitude location and time of future earthquake related with a fault have been researched. In this regard, we collect data and also features historical and instrumental seismicity major earthquake for investigating the segments of the Tabriz fault and then for this fault magnitude, location and time of future events have been studied. Accordingly, Tabriz fault based on results of clustering is divided on six segments for instrument data and it's divided on five segments for historical data. the results of predicting the magnitude, location and timing of future earthquake indicate that the minimum error to determine the magnitude and location of future earthquakes regularity were related to the method of genetic algorithm based on clustering and the method of the neural network with a hidden layers. Also according to the studies were performed on the prediction of time, this parameter due to the limited number of data and reduce the size of the study area is erratic

شریفی، سمیه

زمانی، بهزاد، استاد راهنما

پاشازاده، سعید، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی