بررسي ويژگي هاي سيگنال لرزه قبل از رخداد زلزله هاي بزرگتر از 5 ريشتر به كمك دسته بندي كننده فازي-عصبي و شبكه پرسپترون چند لايه

از زمانهاي قديم ،انسانها تلاش مي كردند تا به كمك بعضي علايم،مانندتغييرات رفتارحيوانات زلزله را پيش بيني نمايند. نكته مهم دراين موضوع پيش بيني زمان و شدت زلزله مي باشد. اين مطالعه ويژگي هاي متفاوت و غير وابسته به علم زمين شناسي رااز سيگنال لرزه استخراج مي كند و سپس ماتريس ويژگي حاصل را به كمك شبكه پرسپترون چند لايه و دسته بندي كننده فازي –عصبي مورد بررسي قرار مي دهد و نتايج حاصل از هر دو دسته بندي كننده را مقايسه مي نمايد، تاويژگي هايي كه در شكل گيري زلزله نقش موثر تري را ايفا مي كنند، استخراج نمايد. اين روش قادر به تشخيص بي نظمي توليد شده در فاصله زماني 5 دقيقه قبل از وقوع زلزله با دقت قابل قبول (84.6491%) به كمك دسته بندي كننده فازي – عصبي و (82.8947%) با شبكه پرسپترون چند لايه مي باشد . به طور كلي ويژگي ها شامل تبديل فوريه، آنتروپي، تبديل ويولت گسسته، ويژگيهاي آشوبي ، چگالي طيف توان، آماري ، خط سير سيگنال، تقسيم بندي داده ها مي باشد. نهايتا، بعد از آموزش و تست شبكه هاي هوشمند ويژگيهاي موثر انتخاب مي شوند كه ويژگي هاي فركانسي از موثر ترين ويژگي ها در هر دو شبكه مي باشد.