مهتاب شعبانی - دانشگاه هرمزگان، دانشجوی کارشناسی ارشد زلزلهشناسی
یوسف حاتم خانی - دانشگاه علوم دریایی امام خمینی (ره) دانشجوی کارشناسی ارشد مهندسی برق
محمد کاوئی - دانشگاه هرمزگان، دانشکده علوم پایه، استادیار،

در این مقاله یک روش جدید برای پیشبینی بزرگای زمینلرزههای مهم در شهر بندرعباس با بزرگای بزرگتر از 5 بر پایه ی مدل های شبکه عصبی بازگشتی بیان میشود. بردارهای ورودی شبکه عصبی، شامل فواصل زمانی بین رویدادهای اصلی می باشند که با روشی مناسب و قابل اطمینان به راحتی قابل محاسبهاند و برای ایجاد روش تعلیم شبکه عصبی، بهینه شدهاند. انتخاب این ورودیها به شبکه کمک میکند تا با شمار محدودتری از دادههای تعلیم به پیش بینی بپردازد، چرا که این نوع عملکرد در هنگام مدل کردن زمینلرزهها با روشهای دادهمحور امری رایج است. علاوه بر این، روش پیشنهادی همراه با روش خوشهچین رزنبرگ جهت حذف رویدادهای پسلرزه از سابقه کاتالوگ به منظور پردازش بهتر دادهها با شبکه عصبی به کار میرود. نتایج حاکی از آن است که مدل شبکه عصبی بازگشتی (RNN(ایجاد شده، بزرگای زمین لرزه های بزرگ و متوالی را به صورت موفقیتآمیزی تخمین میزند بطوریکه می توان از نتایج حاصل بعنوان وسیلهای جهت پیشبینی بزرگای زمینلرزه بهره برد، در عین حال در یک مقایسه با ساختار شبکههای عصبی دیگر برای مثال شبکه عصبی پرسپترون چند لایه برتری روش پیشنهادی آشکار میشود.

روش خوشه ای رزنبرگ-بزرگای زمین لرزه-فواصل زمانی- شبکههای عصبی بازگشتی