پيش‌بيني آماري پهنه‌بندي خطر زلزله احتمالي با استفاده از شبكه هاي عصبي مصنوعي

Statistical Prediction of Probabilistic Earthquake Hazard Zonation with Artificial Neural Networks

پيش‌بيني محل وقوع زلزله‌هاي آتي همراه با تعيين درصد احتمال رخداد، مي‌تواند در كاهش خطرات ناشي از زلزله بسيار سودمند باشد. تعيين محل‌هاي پيش‌بيني شده، سبب افزايش توجه به طراحي، به‌سازي لرزه اي و ارزيابي قابليت اعتمادپذيري سازه‌هاي موجود در اين مكان‌ها مي‌شود. در پيش‌بيني زمان وقوع زلزله فرضيه‌ها و نظريه‌هاي گسترده‌اي مطرح است. هنوز شيوه‌اي دقيق براي پيش‌بيني زمان رخداد زلزله‌هاي آتي مورد تاييد قرار نگرفته است. در مورد پيش‌بيني بزرگي زلزله، بررسي‌هاي گسترده‌اي انجام شده است، ولي در زمينه پهنه‌بندي مكان رخداد زلزله احتمالي هنوز هيچ پژوهشي صورت نگرفته است. در اين پژوهش با استفاده از شبكه‌هاي عصبي مصنوعي خود سازمان يافته، در استان‌هاي سمنان و قم، مكان‌هايي كه احتمال رخداد زلزله آتي وجود دارد، پيش‌بيني شده است. شبكه‌هاي عصبي مصنوعي انتخاب شده در اين تحقيق، با دريافت الگوهاي ورودي قادر به استخراج مشخصات الگوهاي پيچيده اي از داده‌هاي ورودي(كاتالوگ زمين لرزه ها) است. سپس با پژوهش‌هاي آماري انجام شده، نقشه پهنه‌بندي مكان زلزله احتمالي ترسيم شده است. براي انجام اين كار مشخصات زلزله‌هاي رخ داده بين سال‌هاي 1903 تا 2012 در استان‌هاي مورد نظر از پايگاه‌هاي مختلف لرزه‌اي جمع‌آوري شد. با توجه به نقشه‌هاي به‌دست آمده، بيش‌ترين احتمال وقوع زلزله در استان قم، در منطقه مركزي اين استان با احتمال 6/31 درصد و در استان سمنان در محدوده شمالي اين استان با احتمال 9/28 درصد پيش‌بيني شده است.

Prediction of location of future earthquakes with event probability is useful in reduction of earthquake hazard. Determination of predicted locations has attracted more attention to design, seismic rehabilitation and reliability of structures in these sites. Many theories were proposed in the prediction of time of occurrence of earthquake. There is not a method for prediction time of future earthquakes. Many studies have been done in the prediction of magnitude of earthquakes, but there are not any investigations on prediction of earthquake hazard zonation. In this study, the locations that have probability of the event of future earthquake have been predicted by artificial neural networks in Qum and Semnan. Neural networks used in this study can extract to complicate properties of patterns by receipting the interval patterns. Furthermore, the map of earthquake hazard zonation has been drawn. Properties of occurred earthquake were collected since 1903. The most probable event of earthquake in Qum has been predicted 31.6% in center, and 28.9% in north of Semnan.