پیش بینی زلزله با استفاده از شبکه های عصبی پیچشی و مکانیزم توجه

زلزله ها به عنوان یکی از مخرب ترین پدیده های طبیعی همواره خسارات جانی و مالی فراوانی به بار آورده اند. پیش بینی دقیق و به موقع زلزله می تواند نقش حیاتی در کاهش این خسارات و افزایش آمادگی جوامع ایفا نماید. با این حال ماهیت پیچیده و تصادفی زلزله ها دست یابی به یک مدل پیش بینی کارآمد و قابل اعتماد را به چالش بزرگی تبدیل کرده است. در سال های اخیر پیشرفت های چشمگیر در حوزه یادگیری عمیق رویکردهای جدیدی را برای حل این چالش ها فراهم آورده است. این پژوهش به بررسی و پیاده سازی یک مدل یادگیری عمیق ترکیبی متشکل از شبکه های عصبی پیچشی و مکانیزم توجه برای پیش بینی زلزله می پردازد. مدل پیشنهادی از داده های سری زمانی رویدادهای لرزه ای گذشته شامل عرض جغرافیایی، طول جغرافیایی، عمق و بزرگی زلزله به عنوان ورودی استفاده می کند. نتایج ارزیابی بر روی داده های آزمایشی نشان دهنده عملکرد قابل قبول مدل با دقت ۹۷٫۹۹٪ است. همچنین مقادیر حاصل برای سایر معیارهای ارزیابی شامل دقت مثبت (۸۰٫۳۳)، فراخوانی (۸۱٫۲۲) و معیار F۱ (۸۰٫۷۷) نشان دهنده عملکرد متعادل و قابل قبول مدل در تشخیص الگوهای پیچیده زلزله ای است. این یافته ها حاکی از پتانسیل بالای مدل های یادگیری عمیق در بهبود دقت پیش بینی زلزله و کمک به سیستم های هشدار اولیه هستند.

کلیدواژه ها:

پیش بینی زلزله ، یادگیری عمیق ، شبکه عصبی پیچشی ، مکانیزم توجه