شکل‌گیری خوشه‌های پر خطر لرزه‌ای

مصطفی علامه‌زاده, محسن بهرامی, علی شفیق

چکیده


در این تحقیق برای تعیین بی‌هنجاریهای قبل از وقوع زمین‌لرزه از شبیه‌سازی کاتولوگ‌های زلزله مشابه با استفاده از تابع کاپولا و معیاری مبتنی بر روش مونت کارلو برای مطالعه‌ و شناسایی خوشه‌های پر خطر زلزله‌های آینده استفاده شده است. به دلیل غیر‌یكنواختی كاتالوگ‌ها‌ی لرزه‌خیز‌ی موجود، با تولید کاتالوگ مصنوعی و روشهای مبتنی براستدلال تقر‌یبی برا‌ی پیگیر‌ی رفتار فرآ‌یندها‌ی پیچیده استفاده شده است. شبیه‌ساز‌یها‌یی نظ‌یر شبكه‌ها‌ی عصبی مصنوعی، روش مونت كارلو و بویژه مدلساز‌ی كاپولا برا‌ی تحلیل ا‌ین الگوها، توز‌یع لرزه‌خیز‌ی آینده درصفحه گسل را برجسته‌ترخواهد كرد.

 

Identification the Formation of the clusters for Earthquake Risk Reduction

In this paper an approach is presented to predict the concentration and the trend of seismic pattern and clusters of earthquakes. The method is based on Copulas and artificial Neural Networks that have attractedmuch attention in spatial statistics over the past few years. They are used as a flexible alternative to traditional methods for non- Gaussian spatial modeling and interpolation. This methodology shows how it can be predicted aftershocks distribution in a Bayesian framework by assigning priors to all model parameters. The Gaussian spatial copula model is equivalent to trans-Gaussian kriging with transformation function. A restriction of the Gaussian copula is that it models not only a symmetric but even a radials symmetric dependence, where high and low quartiles have equal dependence properties. Experimental results show that the proposed models are superior to predict and identify seismic risk at high seismicity areas.

Keywords: Gaussian Copula, Seismic Pattern, Clustering, Earthquake Forecasting


موضوع


تابع کاپولا; روش مونت کارلو; تحلیل الگوهای لرزه‌ای

تمام متن:

PDF

ارجاعات

  • در حال حاضر ارجاعی نیست.


تماس با ما حامیان مجله تمامی حقوق این سایت متعلق به فصلنامه علوم و مهندسی زلزله است