برآورد شدت آریاس جنبش نیرومند زمین با استفاده از روشهای یادگیری ماشین

در این پژوهش ، با استفاده از تکنیک های یادگیری ماشین ، شدت آریاس (IA)، به عنوان یکی از پارامتر های مهم جنبش نیرومند زمین آورده شدهاست . برای این منظور از ۲۵۵۷ دادههای زلزله های زلزله های پیشین با بزرگای بین ۹.۳ تا ۹.۷ استفاده شده است که از پایگاه داده مرکز تحقیقات مهندسی زلزله اقیانوس آرام PEER (Pacific Earthquake Engineering Research Center) جمع آوری شده اند. با استفاده از شش پارامتر بزرگای گشتاوری (Magnitude Moment)، فاصله جوینر بور (Joyner-Boore Distance)، ماکزیمم شتاب زمین (Peak Ground Acceleration)، نسبت سرعت ماکزیمم به شتاب ماکزیمم (Vmax/Amax)، حداکثر شتاب پایدار (Acceleration Sustained Maximum) و پریود غالب ( Predominent (Period و بکارگیری الگوریتم جنگل تصادفی (Random Forest)، شدت آریاس زلزله ها برآورد گردیده اند. نتایج نشان می دهد که روش پیشنهادی دارای دقت قابل قبولی در برآورد پارامتر های تاثیرگذار شدت آریاس زلزله می باشد و می توان از این ابزار در پژوهشهای آینده برای برآورد سایر پارامترها لرزه ای استفاده کرد.

کلیدواژه ها:

پارامترهای جنبش نیرومند زمین ، شدت آریاس (IA) ، یادگیری ماشین (Machine Learning) ، جنگل تصادفی (Random Forest)