بررسی سامانه های کارآمد در پیش بینی زلزله

سیستم های خبره معمولا در امر پیش بینی زلزله استفاده می شوند. در این سیستم های خبره از پارامترهای مختلفی مانند رفتار گسل، غلظت رادون، انرژی، پالس و تعداد ضربه استفاده می شود. با بررسی این پارامترها می توان میزان رخداد زلزله را برآورد کرد. میزان دقت پیش بینی زلزله توسط این سیستم های خبره نسبت به روش های غیرهوشمند نسبتا بالاتر است. در این مقاله ابتدا میزان دقت و نوع داده های استفاده شده در انواع مختلف سیستم های خبره در زمینه پیش بینی زلزله مورد مطالعه قرار گرفت. علاوه بر آن، پیش بینی زلزله با یک سیستم خبره مبتنی بر الگوریتم های مختلف ماشین بردار پشتیبان، درخت تصمیم گیری، شبکه عصبی مصنوعی، ماشین بردار پشتیبان براساس بهینه سازی ازدحام ذرات، بیزین و شبکه پرسپترون چندلایه در محیط Rapidminer پیاده سازی شد. نتایج به دست آمده نشان داد که سیستم خبره مبتنی بر ماشین بردار پشتیبان که با الگوریتم ازدحام ذرات بهینه شده باشد نسبت به سیستم های خبره مبتنی بر شبکه عصبی، ماشین بردار پشتیبان، بیزین، درخت تصمیم گیری و شبکه پرسپترون چندلایه دارای دقت پیش بینی بهتری است.