طبقه‌بندي ساختگاه به كمك پردازش تصوير و شبكه‌هاي عصبي و بر اساس طيف‌هاي پاسخ H/V

به‌منظور برآورد خطر لرزه‌اي يك ساختگاه مشخص، طبقه‌بندي آن ساختگاه از اهميت ويژه‌اي برخوردار است. از سوي ديگر به‌منظور تفسير و تحليل داده‌هاي ثبت شده از حركت زمين در مناطق مختلف جهان، شناخت شرايط ساختگاه در ايستگاه‌هاي لرزه‌نگاري ضروري مي‌باشد. در برخي از كشورها از جمله ايران اطلاعات كافي از وضعيت ژئوتكنيكي و زمين‌شناسي در بسياري از ايستگاه‌هاي لرزه‌نگاري وجود ندارد. از اين‌رو شرايط ساختگاه در اين مناطق در دسترس نمي‌باشد. اين پژوهش به رويكردي جديد و كارآمد در طبقه‌بندي ساختگاه بر اساس داده‌هاي ثبت شده از شبكه لرزه‌نگاري و با استفاده از تكنيك‌هاي پردازش تصوير و شبكه‌هاي عصبي و به‌كارگيري مجموعه‌ي مرجع از منحني‌هاي نسبت طيفي 5 درصد ميرا شده مؤلفه افقي به عمودي (H/V) براي چهار نوع ساختگاه مي‌پردازد. اين مجموعه‌ي مرجع كه شامل چهار منحني H/V براي چهار نوع ساختگاه مختلف با نام‌هاي سنگ، خاك متراكم، خاك متوسط و خاك نرم و با طبقه‌بندي I، II، III و IV مي‌باشد، از مطالعه ژائو و همكاران [1] انتخاب شده است. در اين پژوهش از دو نوع تابع شعاعي پايه (RBF) به نام‌هاي «شبكه عصبي احتمالي (PNN)» و «شبكه عصبي رگرسيون عمومي (GRNN)» و همچنين «شبكه عصبي كانولوشني (CNN)» استفاده شده است. با توجه به نتايج به‌دست‌آمده مشاهده مي‌شود كه شبكه‌هاي PNN، GRNN و CNN در پيش‌بيني درست شرايط ساختگاه با استفاده از داده‌هاي زلزله در بهترين حالت به‌ترتيب در 73، 71 و 81 درصد ايستگاه‌ها موفق عمل كرده‌اند.