شبيه سازي الگوهاي پيچيده زمين لرزه ها با استفاده از تئوري كاپولاس

روش تشخيص الگو در پيش يابي خوشه هاي لرزه اي ، مساله اي مهم در مطالعات زلزله شناسي است.با توجه به اين كه چنين رويدادي داراي سرشت كاملا تصادفي است، استفاده از شبكه هاي عصبي مصنوعي، راهكاري مناسب براي جداسازي خوشه ها محسوب مي شود.الگوريتم شبكه عصبي مصنوعي كوهونن كه الهام گرفته از عملكرد مغز انسان است براي تشخيص تمركز پس لرزه هاي آينده، جايگاه مناسبي را در داده پردازي زلزله شناسي باز كرده است.در اين گزارش ، جزئيات الگوهاي لرزه اي در كمربند البرز و البرز باختري با استفاده از كاتالوگ پژوهشگاه بين المللي زلزله شناسي و مهندسي زلزله بررسي شده است.اگر چه بسياري از زلزله ها همگي و يا برخي از الگوها نظير پيش لرزه ها ، سكوت لرزه اي و الگوي دونات را قبل از وقوع نشان مي دهند، اما جزئيات اين الگوها از زلزله اي به زلزله ديگر به طور قابل توجهي تغيير مي كند.در اين پژوهش پس از شناسايي گره هاي زمين ريخت ساختاري البرز باختري، با به كارگيري شبكه هاي عصبي خود سازمانده كوهنن و استفاده از تئوري و روش مونت كارلو و مدل سازي كاپولاس تحليل كاتالوگ لرزه اي در محل گره ها،خوشه هاي لرزه اي مورد مطالعه قرار گرفت و محل رخداد زمين لرزه هاي بزرگ شناسايي شد.بر اساس نتايج بدست آمده الگوي سكوت لرزه اي و الگوي دونات برجسته ترين الگوهاي لرزه اي در البرزمركزي و باختري تشخيص داده شده است.