بررسی دو گروه ویژگی در پیش بینی کوتاه مدت زلزله های ایران با استفاده از سیگنالهای لرزه نگار در دسته بندی کننده فازی عصبی وشبکه پرسپترون چند لایه

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 877

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_006

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

زمین لرزه یک فاجعه مرگبار ناگهانی برای تمام موجودات زنده به حساب می آید. از زمانهای قدیم ،انسانها تلاش می کردند تا به کمک بعضی علایم،مانندتغییرات رفتارحیوانات،شرایط نامساعد آب وهوایی،زلزله را پیش بینی نمایند.نکته بسیارمهم دراین موضوع پیش بینی زمان و شدت زلزله می باشد.این مطالعه دو ماتریس ویژگی رادر دسته بندی کننده فازی-عصبی وشبکه پرسپترون چند لایه برای سیگنالهای لرزه نگار زلزله های ایران برای پیش بینی کوتاه مدت زمین لرزه با یکدیگر مقایسه می کند؛ این روش قادر است که مدت زمان پنج دقیقه قبل از زلزله رابادقت 6836606 % به کمک شبکه پرسپترون چند لایه پیش بینی نماید.ویژگیهای به کاررفته دراین ماتریس گروه اول ویژگی ها ،شامل:تبدیل فوریه وویولت،چگالی طیف توان،ویژگی های آشوب گونه آماری وآنتروپی است.ماتریس دیگر گروه دوم ویژگیها(شامل ویژگیهای مربوط به پراکندگی سیگنال وپارامتر های فرکانسی می باشد،ودسته بندی کننده ها این ویژگی هارابرای تشخیص اینکه ایادر 5دقیقه بعدزلزله رخ می دهدیانه،به کارمی برند.

کلیدواژه ها:

پیش بینی زمین لرزه ، دسته بندی کننده فازی ، تبدیل فوریه ، پیش بینی کوتاه مدت ، خط سیرسیگنال

نویسندگان

لیلا ده بزرگی

عضو انجمن علمی برق والکترونیک،دانشگاه آزاد اسلامی واحد تهران مرکزی،