تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
نویسنده:
چکیده:
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تاثیرات دیگری را نیز به همراه دارد. از آن جمله، تاثیر بر لایه یونسفر میباشد که خود را به صورت تغییر در میزان الکترون، چگالی یون ها، میدان های الکتریکی و مغناطیسی این لایه نشان می دهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایه های لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید به عنوان پیش نشانگر شناخته می شود.
با پردازش داده های GPS می توان به میزان محتوای کل الکترون (Total Electron Content) لایه یونسفر دست یافت. در سیستم های پیچیده و غیرخطی استفاده از روش های کلاسیک مانند میانگین، برای بازشناسی الگو و پیش بینی سری های زمانی بسیار دشوار است، به همین دلیل در این مقاله سعی گردیده است از روش های هوش مصنوعی همچون شبکه عصبی مصنوعی برای تشخیص و بازسازی الگوی تغییرات TEC استفاده گردد. در همین راستا زلزله اهر آذربایجان شرقی (21 مرداد 1391) و زلزله کاکی بوشهر (20فروردین ماه 1392) مورد بررسی قرارگرفته است. ابتدا با استفاده از نرم افزار Bernese و به روش PPP(Precise Point Positioning) مختصات ایستگاه ها محاسبه گردید و سپس با استفاده از مدل جهانی مقادیر TEC به دست آمد. نتایج حاصل، ناهنجاری هایی را چند روز قبل و بعد از زلزله نشان می دهد که بیانگر آن است که الگوریتم شبکه عصبی مصنوعی به خوبی توانسته آنامولی های موجود را آشکارسازی نماید. همچنین مقایسه مقادیر TEC به دست آمده از ایستگاه های زمینی با مدل استاندارد جهانی از همبستگی بالایی برخوردار می باشند.
با پردازش داده های GPS می توان به میزان محتوای کل الکترون (Total Electron Content) لایه یونسفر دست یافت. در سیستم های پیچیده و غیرخطی استفاده از روش های کلاسیک مانند میانگین، برای بازشناسی الگو و پیش بینی سری های زمانی بسیار دشوار است، به همین دلیل در این مقاله سعی گردیده است از روش های هوش مصنوعی همچون شبکه عصبی مصنوعی برای تشخیص و بازسازی الگوی تغییرات TEC استفاده گردد. در همین راستا زلزله اهر آذربایجان شرقی (21 مرداد 1391) و زلزله کاکی بوشهر (20فروردین ماه 1392) مورد بررسی قرارگرفته است. ابتدا با استفاده از نرم افزار Bernese و به روش PPP(Precise Point Positioning) مختصات ایستگاه ها محاسبه گردید و سپس با استفاده از مدل جهانی مقادیر TEC به دست آمد. نتایج حاصل، ناهنجاری هایی را چند روز قبل و بعد از زلزله نشان می دهد که بیانگر آن است که الگوریتم شبکه عصبی مصنوعی به خوبی توانسته آنامولی های موجود را آشکارسازی نماید. همچنین مقایسه مقادیر TEC به دست آمده از ایستگاه های زمینی با مدل استاندارد جهانی از همبستگی بالایی برخوردار می باشند.
کلیدواژگان:
زلزله ، یونوسفر ، آنومالی ، TEC ، شبکه عصبی مصنوعی
زبان:
فارسی
صفحات:
49 تا 58
لینک کوتاه:
magiran.com/p1561099
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!