بررسی ویژگی های سیگنال لرزه قبل از رخداد زلزله های بزرگتر از 5 ریشتر به کمک دسته بندی کننده فازی-عصبی وشبکه پرسپترون چند لایه
Paper ID : 1134-ICTCK (R2)
Authors:
1لیلا ده بزرگی *, 2زهره پازوکی
1با شگاه پژوهشگران و نخبگان
2مخابرات
Abstract:
چکیده - از زمانهای قدیم ،انسانها تلاش می کردند تا به کمک بعضی علایم،مانندتغییرات رفتارحیوانات زلزله را پیش بینی نمایند. نکته مهم دراین موضوع پیش بینی زمان و شدت زلزله می باشد. این مطالعه ویژگی های متفاوت و غیر وابسته به علم زمین شناسی رااز سیگنال لرزه استخراج می کند و سپس ماتریس ویژگی حاصل را به کمک شبکه پرسپترون چند لایه و دسته بندی کننده فازی –عصبی مورد بررسی قرار می دهد و نتایج حاصل از هر دو دسته بندی کننده را مقایسه می نماید، تاویژگی هایی که در شکل گیری زلزله نقش موثر تری را ایفا می کنند، استخراج نماید.
این روش قادر به تشخیص بی نظمی تولید شده در فاصله زمانی 5 دقیقه قبل از وقوع زلزله با دقت قابل قبول (84.6491%) به کمک دسته بندی کننده فازی – عصبی و (82.8947%) با شبکه پرسپترون چند لایه می باشد . به طور کلی ویژگی ها شامل تبدیل فوریه، آنتروپی، تبدیل ویولت گسسته، ویژگیهای آشوبی ، چگالی طیف توان، آماری ، خط سیر سیگنال، تقسیم بندی داده ها می باشد. نهایتا، بعد از آموزش و تست شبکه های هوشمند ویژگیهای موثر انتخاب می شوند که ویژگی های فرکانسی از موثر ترین ویژگی ها در هر دو شبکه می باشد.
Keywords:
کلید واژه- پردازش سیگنال، تبدیل ویولت،دسته بندی کننده فازی-عصبی، زمین لرزه، شبکه پرسپترون چند لایه.
Status : Paper Accepted