برآورد بزرگا در هشدار سریع زمین لرزه با استفاده از یادگیری ماشین و پارامترهای وابسته به دامنه و فرکانس

سامانه هشدار سریع زمینلرزه یک زیرساخت پایش لرزه ای برخط است که امکان اطلاع رسانی سریع در مورد اثرات مخرب احتمالیزمین لرزه را پیش از رسیدن جنبش نیرومند به ساختگاه هدف (مانند مراکز جمعیتی یا تاسیسات حیاتی) فراهم می کند. برای تحقق اینهدف، لازم است پارامترهای کلیدی زمین لرزه از جمله بزرگای آن با استفاده از اطلاعات ثانیه های ابتدایی موج P ثبت شده در ایستگاه ها بادقت بالایی برآورد شود. پرکاربردترین روابط برآورد بزرگا براساس رگرسیون تک متغیره مبتنی بر یکی از پارامترهای وابسته به فرکانس ((τ(c)(دوره تناوب میانگین) یا وابسته به دامنه (P(d (بیشینه جابجایی) است. در این پژوهش، از مجموعه ای از شکل موج های زمین لرزه های ایرانثبت شده در ایستگاه های لرزه نگاری برای تعیین روابط رگرسیون تک متغیره با پارامترهای ((τ(c) و (P(d استفاده شده است. همچنین، این روابط بانتایج حاصل از مدلسازی چندمتغیره با یادگیری ماشین از طریق رگرسیون بردار پشتیبان (SVR) مبتنی بر ۹ پارامتر موج P مقایسه شده اند.مدل SVR با دستیابی به انحراف معیار ۳۲۷ / ۰ نسبت به روشهای ((τ(c) و (P(d با انحراف معیارهای ۱۹۵ / ۱ و ۵۸۴ / ۰ به ترتیب، عملکرد موفق تریدر برآورد دقیق بزرگای زمین لرزه داشته است.

کلیدواژه ها:

یادگیری ماشین ، رگرسیون بردار پشتیبان ، هشدار سریع زمین لرزه ، برآورد بزرگا ، روش cτ ، روش dP