پیش بینی زلزله با استفاده از ماشین بردار پشتیبان مبتنی بر فیلتر ذره ای

پیش بینی زلزله از دیرباز موردتوجه محققین و حتی مردم عادی بوده است و همواره موافقان و مخالفان خود را دارد. در چند دهه گذشته با بررسی زلزله ها ضمن شناخت این پدیده دانشمندان توانسته اند تغییر پارامترهایی موثر از این پدیده را نیز ثبت و دسته بندی کنند. از مهم ترین این پارامترها که پیش نشانگر نامیده می شوند، تغییرات غلظت گاز رادون موجود در پوسته زمین بوده که به موجب گسل ها آزاد می شود، اندازه گیری و مقایسه این نشانه نیازمند نصب و راه اندازی سخت افزار مناسب در مجاورت گسل ها می باشد. خروج این گاز و یون های سربی موجود در آن باعث به وجود آمدن پیش نشانگرهای دیگری در لایه های اتمسفری زمین می شود، با به کارگیری داده های هواشناسی که در اکثر مناطق دنیا در حال اندازه گیری هستند و داده های تاریخچه ای زلزله با استفاده از سامانه مناسب علاوه بر پیش بینی می توان خسارات ناشی از این پدیده را کاهش داد. به منظور پیش بینی زلزله ازنظر تعداد و میانگین بزرگی در این پژوهش از رگرسیون ماشین بردار پشتیبان مبتنی بر فیلتر ذره ای استفاده شده است. ماشین بردار پشتیبان یکی از قوی ترین متدهای هوش مصنوعی جهت پیش بینی می باشد و برای بهبود عملکرد این روش و برطرف کردن ضعف هایی از قبیل تخمین پارامتر آن از متد فیلتر ذره ای استفاده شده است. روش پیشنهادی ضمن نشان دادن ارتباط میان داده های آب وهوایی و وقوع پدیده زلزله، منجر به کسب نتیجه با دقت بالای 96% در جهت پیش بینی میانگین بزرگی زلزله ها و دقت بالای 78% برای تعداد زلزله مورد انتظار در ماه شده است.

کلیدواژه ها:

داده کاوی ، زلزله شناسی ، پیش نشانگر ، رگرسیون ماشین بردار پشتیبان ، فیلتر ذره ای