تحلیل ریسک خطر زلزله در منطقه آذربایجان با استفاده از روش شبکه عصبی
محورهای موضوعی : انفورماتیک محیط های متخلخلسیدجواد سیدفتاحی 1 , روزبه دبیری 2 , میلاد فرشباف خلیلی 3
1 - هیات علمی -مدیرگروه برق/دانشگاه آزاد اسلامی واحد تبریز
2 - مهندسی عمران-دانشکده فنی-دانشگاه آزاد واحد تبریز-تبریز-ایران
3 - گروه مهندسی برق-دانشکده فنی -دانشگاه آزاد واحد تبریز-تبریز - ایران
کلید واژه: شبکه عصبی, هوش مصنوعی, زلزله, منطقه آذربایجان, تحلیل خطر,
چکیده مقاله :
در این تحقیق پیشبینی زمین لرزه و تحلیل ریسک خطر در منطقه آذربایجان با استفاده از روش شبکه عصبی صورت گرفته است. رویکرد پیشبینی مبتنی بر استفاده از هوش مصنوعی بر پایه دادههای زمینلرزههای صورت گرفته در زمانهای قبل در یک بازه 100 ساله است. پنج ویژگی رویداد زمینلرزه از دادههای سالهای قبل استخراج شده است. مدل پیش بینی زمینلرزه بر اساس پنج ویژگی انتخاب شده با سه الگوریتم مختلف با شبکه عصبی پیشخور ایجاد شده است. نتایج اعتبار سنجی نشانگر توانایی بالای مدل در پیشبینی زمینلرزه در منطقه مورد مطالعه است. نتایج حاصل از مدل های ایجاد شده جهت تحلیل ریسک خطر در منطقه آذربایجان استفاده شده است. با توجه به نتایج بدست آمده منطقه آذربایجان مستعد وقوع زمین لرزهای بالا است که لزوم رعایت دقیق استاندارد ها در ساخت و ساز بناها را میرساند. نتایج تحقیق حاضر نشان داده است که الگوریتم بیزین بهترین عملکرد را در پیشبینی خطر زلزله ارئه نموده است.
In this research, earthquake prediction and hazard risk analysis in Azerbaijan region have been done using neural network method. The forecasting approach is based on the use of artificial intelligence based on seismic data from previous times over a period of 100 years. Five characteristics of an earthquake event are extracted from data from previous years. The earthquake prediction model is based on five selected features with three different algorithms with feed forward neural network. Validation results indicate the high ability of the model to predict earthquakes in the study area. The results of the created models have been used to analyze the risk in the region of Azerbaijan. According to the obtained results, the region of Azerbaijan is prone to high earthquakes, which necessitates strict observance of standards in the construction of buildings. The results of the present study show that the Bayesian algorithm has the best performance in predicting earthquake risk.
_||_