پیش بینی بزرگای احتمالی زلزله با استفاده از روش ارگودیسیتی مطالعه موردی ( استان یزد)
Authors
Abstract:
استان یزد، در مرکز کشور و در زون ایران مرکزی واقع شده است. این زون یکی از واحدهای اصلی و عمده ای است که به شکل مثلث در مرکز ایران قرارگرفته و جزء بزرگترین و پیچـیده ترین واحــدهای زمین شـناسـی بهشــمار میرود.منطقه مذکور، بر اثر حرکات کوهزایی، شدیداً دگرگون شده و در بر گیرنده گسلهای مهم مانند (گسل دهشیر، گسل انار، گسل پشت بادام، شهربابک و. .....) است. مطالعات پیش بینی بزرگای زلزله احتمالی در استان یزد می تواند گام مؤثری در شناخت بهتر منطقه به منظور ارائه طرحهای آمایشی و پهنهبندی مناطق خطرآفرین و نیز اتخاذ تدابیر حفاظتی در سازههای احداثی باشد. در این مقاله رفتار گسلهای منطقه مورد مطالعه با استفاده از روش شبیه سازی عددی (ارگودیسیتی) مورد بررسی قرار میگیرد. ارگودیسیتی مدل سیر تحولات وتغییرات تاریخی یک پدیده است، بطوریکه بتوان این تغییرات را در فازهای فضایی طبقه بندی نمود. مهمترین ویژگی این تقسیم بندی، مبنا قرارگرفتن متوسطهای یکسان میزان تغییرات فضایی، در طول هر مقطع زمانی از دوره تکوین است. متریک نوسان سازی (TM) تیرو مالای – مانتین یکی از متدهای قابل استفاده در پیش بینی سیستمهای غیرخطی طبیعی است. که تعادل یا عدم تعادل سیستمی را با استفاده از کمیت گذاری گسل (کمیت فضایی - زمانی) مورد بررسی قرار می دهد و با یافتن فازهای زمانی میانگین تحولات رخداده آن را معادل میانگین تحول فضایی که در اینجا بزرگای زلزله است فرض می نماید این روش فرصتی ارزنده در اختیار ما قرار داد تا عملکرد و برآورد توان لرزه زایی گسلهای طبیعی به وسیله پارامترهای آماری گسلهای منطقه را مورد بررسی قرار دهیم. بر اساس یافتههای این پژوهش معلوم گردید که احتمال وقوع زلزلههای با بزرگای بیشتر از 3 m³ در استان یزد وجود دارد.
similar resources
پیش بینی بزرگای زلزله با استفاده از شبکه عصبی پرسپترون چندلایه
به دلیل نواقص موجود در روش های پیشین محاسبه بزرگای زلزله، شبکه عصبی به عنوان یک روش جدید برای این منظور آزمایش می گردد. در این مقاله نوعی شبکه عصبی با نام پرسپترون چندلایه برای پیش بینی بزرگای گشتاوری زلزله مورد استفاده قرار گرفته است. شبکه عصبی پرسپترون شامل سه لایه اصلی با نام های لایه ورودی، لایه پنهان و لایه خروجی است. ورودی های این شبکه شش متغیر مربوط به مکان و زمان وقوع زلزله و همچنین مشخ...
full textپیش بینی تبخیر و تعرق پتانسیل با استفاده از مدل غیر خطی NARX (مطالعه موردی، استان یزد)
تبخیر و تعرق پتانسیل از پارامترهای مهم سیکل هیدرولوژیک است که پیشبینی آن می تواند کمک شایانی به برنامه ریزی صحیح مدیریت منابع آب، تغییرات نیاز آبی گیاهان در آینده و نیز پیشبینی وقوع خشکسالی بنماید. در صورت نیاز به پیشبینی بلند مدت و یا میان مدت تبخیر و تعرق پتانسیل، از مدل های جهانی اقلیمی بر اساس سناریوهای انتشار مورد نظر و ریز مقیاس نمایی خروجی ها استفاده می شود. برای پیشبینی های کوتاه مد...
full textپهنه بندی زلزله خیزی پیش از بحران با استفاده از تکنیک fahp مطالعه موردی استان خوزستان
رشد جمعیت و گسترش سکونت گاه ها بر روی نواحی پرمخاطره، اثر حوادث طبیعی را در جوامع مختلف به ویژه در حال توسعه، افزایش داده است. با توجه به قرارگیری استان خوزستان در محل برخورد صفحه عربستان و فلات ایران، زلزله خیز بودن و عدم مکان گزینی درست سکونت گاه های آن و رشد و توسعه آن ها بر روی گسل های فعال، پهنه بندی این استان برای شناسایی مناطق نامساعد از نظر خطر زلزله و جلوگیری از عدم استقرار سکونتگاه ها...
full textپیش بینی قیمت نفت با استفاده از روش متا آنالیز
نفت یک کالای مهم اقتصادی و قیمت آن در بازارهای بینالمللی بسیار اثرگذار و توانایی ارائه پیشبینی صحیح از وضعیت قیمت آن یکی از چالشهای مهم علمی در سراسر جهان است. این مقاله به پیشبینی قیمت نفت با استفاده از روش متا آنالیز و مقایسه آن با سایر روشها میپردازد. در این تحقیق از نتایج روشهای ARMA،AR فازی، تاناکا فازی، حداقل مربعات فازی، شبکه عصبی، دادههای شبیهسازی شده و دادهکاوی مربوط به قیمت...
full textپیش بینی بازده سهام با استفاده از روش انقباضی LASSO
انتخاب متغیر، یکی از مراحل مهم در مدلسازی آماری است. برای این منظور، معمولاً از روشهایی نظیر حذف پسرو استفاده میشود. از آنجایی که در این روشها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت میگیرد، نتیجهی حاصل بیثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روشهای انتخاب متغیر به نام روشهای انقباضی مطرح شدهاند که در این بین، LASSO از محبوبیت ویژهای برخوردار است. در این تح...
full textMy Resources
Journal title
volume 25 issue 3
pages 89- 104
publication date 2014-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023