نوع مقاله : مقاله علمی - 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