سیستم های پیش بینی زلزله بر اساس شاخص های لرزه ای
چکیده
در این تحقیق ، یک سیستم پیش بینی زلزله با ترکیب شاخص های لرزه ای و برنامه نویسی ژنتیک (GP) و روش جمعی آدابوست (GP-AdaBoost) پیشنهاد شده است. شاخص های لرزه ای از طریق یک روش جدید محاسبه می شوند که در آن شاخص ها برای کسب حداکثر اطلاعات مرتبط با وضعبت لرزه ای منطقه محاسبه می شوند. شاخص های لرزه ای محاسبه شده با الکوریتم (GP-AdaBoost) برای داشتن سیستم پیش بینی زلزله (EP-GP-Boost) مورد استفاده قرار می گیرند. موقعیت و زمینه ها برای پیش بینی زلزله های با بزرگی 5 ریشتر و بالاتر در 15 روز قبل از زلزله فراهم آورده شده اند. مناطق هیندوکاش ، شیلی و کالیفرنیای جنوبی برای این آزمایش در نظر گرفته شده اند. (EP-GP-Boost) پیشرفت های قابل توجهی در پیش بینی زلزله دارد که دلیل آن ترکیب دو روش جستجوی GP و AdaBoost است. سیستم پیش بینی زلزله نشان دهنده بهبود نتایج در قالب دقت و ضریب همبستگی ماتیو برای سه منطقه در مقاسه با نتایج همزمان است.
1. مقدمه
زلزله ها از مهیب ترین بلایای طبیعی هستند که باعث ایجاد ترس در زندگی انسان ها و عامل خسارت های اقتصادی هستند. پیش بینی اولیه چنین رویدادهای مخربی دارای پتانسل حفظ زندگی انسان و کاهش خسارت های مالی هستند. هدف سیستم پیش بینی زلزله (EPS) ایجاد هشداری در مورد وقوع زلزله است ( 1). هدف شاخص های لرزه ای EPS ، پیش بینی زلزله ها در 15 روز قبل زلزه است. شاخص های لرزه ای با استفاده از توالی لرزه ای زلزله های گذشته ثبت شده در کاتالوگ محاسبه می شوند. شاخص های لرزه ای برای ارائه الگوریتم های محاسباتی هوشمند جهت پیش بینی زلزله مطرح شده اند و در نهایت می توانند باعث ایجاد EPS برای پیش بینی زلزله های احتمالی شوند. به علاوه ، ادبیات موجود بیانگر انجام تحقیقات متعدد است که در انها شاخص های لرزه ای همراه با روش های یادگیری ماشینی برای پیش بینی وقوع زلزله مورد استفاده قرار گرفته اند ، از این رو نتایج این تحقیقات برای توسعه و بسط سیستم پیش بینی زلزله اهمیت یکسان دارند.
Abstract
In this study an earthquake predictor system is proposed by combining seismic indicators along with Genetic Programming (GP) and AdaBoost (GP-AdaBoost) based ensemble method. Seismic indicators are computed through a novel methodology in which, the indicators are computed to obtain maximum information regarding seismic state of the region. The computed seismic indicators are used with GP-AdaBoost algorithm to develop an Earthquake Predictor system (EP-GPBoost). The setup has been arranged to provide predictions for earthquakes of magnitude 5.0 and above, fifteen days prior to the earthquake. The regions of Hindukush, Chile and Southern California are considered for experimentation. The EP-GPBoost has produced noticeable improvement in earthquake prediction due to collaboration of strong searching and boosting capabilities of GP and AdaBoost, respectively. The earthquake predictor system shows enhanced results in terms of accuracy, precision and Matthews Correlation Coefficient for the three considered regions in comparison to contemporary results.
1. Introduction
Earthquakes are highly feared natural catastrophic events that pose threat to human lives and cause economic damages. The early predictions of such damaging events have a potential for saving human lives and diminish financial losses. Earthquake Predictor System (EPS) aims to generate an alarm about the occurrence of earthquakes [1]. The seismic indicators based EPS aims to predict earthquakes fifteen days prior to earthquake. The seismic indicators are computed using the temporal sequence of past earthquakes, recorded in earthquake catalog. These seismic indicators are provided to computationally intelligent algorithms to generate earthquake predictions, which eventually lead to creation of EPS regarding forthcoming earthquakes. Moreover, the contemporary literature sites numerous studies, which have employed seismic indicators in collaboration with machine learning based methods, to predict earthquake occurrences, thus findings of such studies are equally significant for the development of an earthquake predictor system.
چکیده
1 مقدمه
2 تحقیقات مربوطه
3 داده ها و روش ها
3.1 محاسبه شاخص های لرزه ای
3.2 برنامه نویسی ژنتیک و AdaBoost
4 نتایج و بحث
4.1 پارامترهای ارزیابی
4.2 عملکرد EP-GPBoost
4.3 مقایسه با تحقیقات موجود
5 نتیجه گیری
ABSTRACT
1. Introduction
2. Related work
3. Data and methods
3.1. Seismic indicators computation
3.2. Genetic Programming and AdaBoost
4. Results and discussion
4.1. Evaluation parameters
4.2. Performance of the EP-GPBoost
4.3. Comparison to existing works
5. Conclusion
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه