تابع كاپولا در تشخيص خوشه‌هاي زلزله

اخيراً پيشرفت‌هاي موجود در روش‌هاي تحليل خوشه‌هاي پرخطر داده‌هاي زلزله، امكان ارزيابي مكان‌هاي پرخطر لرزه‌اي را با دقت بالا توسط روش‌هاي تحليل گرافي به وجود آورده‌اند. مطالعات نشان مي‌دهد كه علاوه بر شكل‌گيري خوشه‌هاي پرخطر لرزه‌اي، زمين شبكه‌اي پيچيده از زير خوشه‌هاي متصل به هم قبل از يك زمين‌لرزه بزرگ را فراهم مي‌آورد. در اين تحقيق از معياري مبتني بر كاپولا براي مطالعه‌ي خوشه‌هاي زلزله‌ها استفاده شده است. نتايج به‌دست‌آمده نشان‌دهنده‌ي برتري اين معيار نسبت به معيارهايي همانند شبكه‌هاي عصبي مصنوعي است. ارزيابي آماري كلي بر رويدادها و كاتالوگ زلزله‌هاي منطقه مي‌تواند اطلاعاتي جديد از الگوهاي مكاني زمين‌لرزه‌هاي مورد مطالعه يا خوشه‌هايي كه نقش بيشتر و مهم‌تري در وقوع رخداد دارند را فراهم آورد. يكي از ابزارهاي مؤثر در بررسي تغييرات توالي هاي لرزه اي، مطالعه الگوي لرزه خيزي است. بررسي تغييرات پارامترهاي لرزه اي در زمان بيان‌كننده‌ي توزيع غير يكنواخت وقايع لرزه اي در زمان است. پيش نشانگرهاي لرزه اي نيز يكي از مهم ترين مقوله ها در بررسي الگوي لرزه خيزي به‌شمار مي روند. الگوي وقوع زمين لرزه ها در گذشته مي تواند اطلاعات خوبي در زمينه وقوع زمين لرزه هاي احتمالي آينده در اختيار ما قرار دهد. در سال هاي اخير بررسي الگوي لرزه خيزي جايگاه ويژه اي يافته است. روش هاي متعددي به‌منظور بررسي الگوي لرزه خيزي در مناطق مختلف مورد استفاده قرار گرفته است كه از جمله اين روش ها مي توان روش هاي فركتالي، pi، تجزيه‌وتحليل مؤلفه هاي اصلي، k means و... اشاره كرد. اين الگوريتم‌ها مي تواند دوره هاي آرامش لرزه را شناسايي كند. در اين تحقيق براي تعيين آنومالي‌هاي قبل از وقوع زمين‌لرزه از معياري استفاده شده است كه پايداري بيشتري دارد و عملكرد آن در بررسي سيستم‌هاي غيرخطي مشابه زمين بهتر است. اين معيار مبتني بر كاپولا مي‌باشد. كاپولاها خود توابعي هستند كه توابع توزيع توأم و توزيع‌هاي حاشيه‌اي را به يكديگر مرتبط مي‌سازند.