پیش‏بینی بزرگی زلزله‏ی گسل تبریز با استفاده از رگرسیون چند‏جمله‏ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد کامپیوتر ـ نرم‏افزار، پردیس بین‏المللی ارس دانشگاه تبریز

2 استادیار، گروه مهندسی فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه تبریز

3 استادیار، گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز.

چکیده

گسل تبریز یکی از گسل‏های فعال و خطرناک در ناحیه‏ی شمال غرب ایران است. این گسل از شمال شهر تبریز عبور کرده و شهرک‏هاى مختلفى را در معرض خطر قرار داده است؛ همچنین بخش اعظمى از ساکنان حاشیه‏نشین شهر تبریز در قسمتى از کمربند شمالى شهر اسکان یافته‏اند که ساختمان‏هاى آن‏ها به‏هیچ‏وجه در مقابل کوچک‏ترین تکان‏ها و زمین‏لرزه‏ها مقاوم نیست. بررسی داده‏های لرزه‏ای گسل تبریز با استفاده از رگرسیون چند‏جمله‏ای می‏تواند با برآورد میزان خطرات احتمالی و بزرگی زلزله‏های پیش رو برای پیشگیری از خطرات ناشی از زلزله مفید و سودمند باشد. در گام نخست همه‏ی داده‏های ورودی استخراج و نرمالیزه شده و در گام دوم مدل مورد نظر به دست می‏آید. در گام سوم بزرگی زلزله‏ها برای داده‏های تست محاسبه می‏گردد و در گام چهارم کیفیت پیش‏بینی بزرگی زمین‏لرزه‏ها بررسی می‏شود. در نهایت برای تخمین مقدار بزرگی زلزله‏ها با کمک دیگر صفات، رابطه‏ای به دست آمده است که می‏تواند ضرایب هر یک از متغیرهای مستقل برآورد‏کننده‏ی بزرگی زلزله را بیان نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of Tabriz fault's earthquakes magnitude using polynomial regression

نویسندگان [English]

  • ali kheiri 1
  • mohamad ali balafar 2
  • behzad Zamani 3
1 Graduated master degree Computer software, Aras International Campus, University of Tabriz
2 Assistant Professor, Faculty of electrical & computer engineering, University of Tabriz, Tabriz
3 Assistant Professor Faculty of Natural sciences University of Tabriz
چکیده [English]

Tabriz fault is one of the active and dangerous fault in the North West of Iran. The fault crosses the north of the city and put crossing towns at risk. The majority of marginal inhabitants of the city are settled there. Their buildings do not resist the slightest shake. Analysis of seismic data using polynomial regression for predicting future earthquake's magnitude and risks can be helpful to reduce disaster results. First of all input data are extracted and normalized. At the second step, model is obtained. In the third step, the magnitude of earthquake for the test data is predicated. In the fourth step, the performance of predicting earthquake magnitude is evaluated. At last, to estimate the magnitude of earthquakes using other attributes a formula is obtained that can be used to estimate the coefficients of each of the independent variables.

کلیدواژه‌ها [English]

  • Data Mining
  • polynomial regression
  • seismic data
  • fault
  • prediction