كاربرد روش استخراج قانون براي ارزيابي لرزه خيزي ايران

ارزيابي خطرات لرزه اي شامل تعيين احتمال، اندازه و محل وقوع زمين لرزه در يك منطقه مي باشد. پيش بيني خطرات لرزه اي اولين گام در كاهش تاثير آسيب هاي ناشي از زلزله است. در اين مطالعه با بهره گيري از روش طبقه بندي و رگرسيون داده كاوي و استفاده از كليه پارامترهاي موجود كه احتمالا بر وقوع زلزله بالاي 4.5 ريشتر تاثير مي گذارند ، قوانين حاكم بر لرزه خيزي استخراج گرديده است. اين قوانين بر اساس تعداد زيادي از پارامترهاي زمين شناسي و ژئوفيزيكي ايران استخراج و بر اساس آنها نقشه پيش بيني كننده لرزه خيزي ايران، كه مناطق با لرزه خيزي بالا رانشان ميدهد، تهيه شده است. مدل بر اساس داده هاي لرزه اي از سال 1900 تا 2006 تهيه و بر اساس داده هاي لرزه اي سال 2007 تا 2015 اعتبار سنجي گرديده است. همچنين مدل، پارامترهايي كه داراي بيشترين اهمييت در وقوع زلزله هستند را تعيين مي نمايد. نتايج حاكي از آنست كه ناهنجاري ايزوستازي، داراي بالاترين اهمييت در وقوع زلزله در ايران مي باشد. ويژگي شاخص اين تحقيق ارائه روشي نوين براي توليد نقشه خطر لرزه اي به صورت آنلاين يا آفلاين كه به صورت خودكار و به سهولت تهيه مي شود، است.

Assessing seismic hazards involves specifying the likelihood, magnitude and location of earthquakes in a region. Predicting the seismic hazards is the first step in reducing the impact of the damage caused by an earthquake.  In this study, to fully utilize all the known parameters which may possibly affect the occurrence of earthquakes (mb ≥ 4.5); a datadriven ruleextraction method called the Classification and Regression Tree (CART) was used to find the rules governing the earthquakes that occur. The method produces Predictive Rule Based Seismicity Map (PRBSM) of Iran that shows regions with high earthquake hazards. The rules are based on a large number of geophysical and geological parameters. The PRBSM has been built based on earthquake data from the year 1900 up to the end of 2006 and has been validated using earthquakes from 2007 to the end of 2015. In addition, this method allows for the identification of the most important combination of parameters associated with earthquakes. For example, the isostatic anomaly has the highest correlation with earthquakes in Iran. A distinctive character of this paper is the predictive rule based method which can create online as well as offline maps which are flexible and readily automated