آناليز 3 بعدي تغيير شكل پوسته زمين بروش ايزوپارامتريك و درون يابي با شبكه هاي عصبي مصنوعي (منطقه مورد مطالعه : شبكه ژيوديناميك ايران)

(D Crustal Deformation Analysis Using Isoparametric method and Multi-Layer Artificial Neural Networks (Case Study: Iran3-

يكي از كاربردهاي مهم ژيودزي در تحقيقات ژيوديناميك، مطالعه تغييرات پوسته‌اي زمين مي‌باشد. در اين مقاله مساله آناليز سطحي تغيير شكل پوسته زمين در منطقه ايران بصورت مدل 3بعدي مورد بررسي قرار مي‌گيرد. از روش ايزوپارامتريك 3بعدي و داده‌هاي GPS شبكه مبناي دايمي ژيوديناميك كشور ايران (37 ايستگاه بين سالهاي 2007-2008) جهت برآورد مولفه هاي تنسور استرين استفاده شده است. بنا به ويژگيهاي مدلسازي 3بعدي پوسته زمين بروش ايزوپارامتريك، با يك مساله بد وضع روبرو خواهيم شد. جهت حل اين مساله از روش پايدارسازي تيخونوف در اين مقاله استفاده شده است. اپتيمم مقدار پارامتر پايدارسازي جهت برآورد پارامترهاي تنسور استرين، طوري انتخاب گرديده كه نتايج حاصل از خطاي نسبي كمتري برخوردار باشند. ارزيابي مقدار اين خطا از روي عناصر قطر اصلي ماتريس رزولوشن انجام گرفته است. همچنين جهت درون يابي مقادير ميدان سرعت و مولفه‌هاي استرين در ساير نقاط ژيودتيكي موجود در فلات ايران، از يك شبكه عصبي مصنوعي 3 لايه استفاده شده است. تعداد نورونهاي مورد استفاده جهت برآورد كميتهاي ميدان سرعت و استرين براساس مينيمم سازي مقدار خطاي نسبي در آموزش بطريقه پس انتشار خطا انتخاب شده است. 4 ايستگاه با توزيع مناسب جهت تست نتايج انتخاب گرديده است. مينيمم خطاي نسبي بدست آمده براي ميدان سرعت در مولفه شمالي (VN) 80/6 درصد و براي مولفه شرقي (VE) 25/6 تعيين شده است. همچنين جذر خطاي ميانگين مربعي (RMSE) براي مولفه شمالي 85/1± ميليمتر و براي مولفه شرقي 72/1± ميليمتر بدست آمده است.

One of the most important applications of geodesy in geodynamics is study of crustal deformations. In this paper, surface deformation analysis is investigated using 3-D model. 3-D isoparametric method and Iranian permanent GPS network (IPGN) were used to estimate strain tensor. In this method, strain parameters obtained from compares the relative distance between base point and its neighboring points. Since the strain tensor is calculated for each GPS station, considers the strain inhomogeouns and its compatibility with the reality. Due to the special characteristics of isoparametric method, using regularization techniques to solve this problem is inevitable. Tikhonov regularization is used for solving corresponding problem. Optimum value of regularization parameter is selected using minimum relative error in strain parameters, as well as, diagonal elements of resolution matrix is used for error analysis. For estimated velocity field and strain parameters in other geodetic points, in this research artificial neural network (ANN) with 3 layers is used. 4 GPS stations with convenient distribution were used for validating and testing. Minimum relative error obtained from this evaluation for velocity field in eastern component (VE) is 6.25% and northern component (VN) is 6.80%. Also root mean square error (RMSE) is computed ±1.85 (mm) and ±1.72 (mm) in VN and VE respectively. These results are agreement with focal mechanism of earthquakes in this region as well as Iranʹs geodynamic mechanisms.