مدل سازی پیشروی الکتریکی زمین لرزه با استفاده از طراحی مدل فازی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 707

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSCIE06_006

تاریخ نمایه سازی: 11 شهریور 1391

چکیده مقاله:

تشخیص و پیروی الکتریکی زلزله (EEP) لزوماً یک مشکل برای ردیابیکردن سیگنال های ضعیف می باشد. مطابق با تئوری حاکم بر شکاف های در حال انتشار یک سیگنال EEP که معمولاً یک پتانسیل الکتریکی خلی ضعیف می باشد بر روی میدان الکتریکی زمین قبل از وقوع زلزله ظاهری می گردد، در این صورت این سیگنال به طور قابل ملاحظه ای قوی تر گردیده و اغلب از میدان الکتریکی زمینه قابل تشخیص نخواهد بود به علاوه شیگنالهای EEP که در طول زمان اندازه شان تغییر می یابد تشخیص دقیق را مشکلتر می سازند. یک مدل میانگین برای سیگنالهای EEP شناخته شده است که پایه و اساس آن توصیف یک تابع زمانی می باشد که تعداد شکاف های در حال انتشار را بدست می دهد. این مقاله، شبکه های عصبی همراه با منطق فازی را برای تشخیص دقیق سیگنالهای EEP در میدان الکتریکی را توصیف می کند. تشخیص این الگو به وسیله شبکه عصبی به منظور شناسایی مدل میانگین برای EEP از روی میدان الکتریکی قابل اجرا است. استفاده از مدل فازی عصبی، دسته بندی سیگنال هایی را که دقیقا یکسان نیستند ممکن می سازد اما در این راستا بایستی تقریبهایی بر روی مدل میانگین EEP صورت گیرد. تاثیر شبکه پیشنهاد شده با استفاده از داده های الکتریکی ثبت شده در شمال غرب یونان به اثبات رسیده است.

کلیدواژه ها:

زلزله- تشخیص- شبکه- فازی- ندل

نویسندگان

نسرین حسینی مطلق

دانشگاه علم و صنعت ایران، دانشگاه آزاد اسلامی واحد شیراز- استادیار فیز

شیرین صداقت

دانشگاه علم و صنعت ایران، دانشگاه آزاد اسلامی واحد شیراز- دانشجوی مقط

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • .Colangelo, G. Lapenna, V., Vallianatos, F., and Nomikos, C.: Investigating ...
  • environments of Mediterranean region: the Southern Apennine chain (S. Italy) ...
  • .Hadjioannou, D., Vallianatos, F., Eftaxias, K., , Hadjicontis, V., and ...
  • .Jang, J.-S. R., Sun, C.-T., and Mizutani, E.: Neuro-Fuzzy and ...
  • .Kaufman, A. A. and Keller, G. V.: The M agnetotelluric ...
  • .Konstantaras, A: Fu Z zy- NeuralMetho ds forModelling and Control, ...
  • .Konstantaras, A., Varley, M. R., Vallianatos, F., Collins, G., and ...
  • .Rovithakis, G. A. and Vallianatos, F.: A neural network approach ...
  • .Teisseyre, R. (Ed): Theory of Earthquake premonitory and fracture processes, ...
  • .Teisseyre, R. and Nagahama, H.: Dislocational models of electric field ...
  • .Tzanis, A., Vallianatos, F., and Gruszow, S.: Identification and dis ...
  • .Tzanis, A. and Vallianatos, F.: A critical review of Electric ...
  • .Vallianatos, F. and Tzanis, A.: Electric current generation associated with ...
  • .Vallianatos, F., Lapenna, V., Troyian, V., Smirnova, N., Kopytenko, Y., ...
  • نمایش کامل مراجع