الگویابی داده های لرزه ای با استفاده از تکنیک های یادگیری ماشین به منظور پیش بینی زلزله

با افزایش زمین لرزه و دگرگونی وضعیت زمین، نیاز بشر به پیش بینی بلایای طبیعی روز به روز بیشتر می شود تا بتواند خود رااز خشم طبیعت نجات دهد. ازآنجایی که زلزله حاصل تغییرات موضعی زمین در میدان های مغناطیسی است، تکنولوژییادگیری ماشین پس از آموزش دیدن و با جمع آوری اطلاعات می تواند وضعیت میدان های مغناطیسی را بررسی وتجزیه وتحلیل کند. درنتیجه، امکان پیش بینی بلایای طبیعی وجود خواهد داشت و هشدارهای به موقع این سیستم می تواندآسیب ها، تلفات و خسارات را کاهش دهد.سه نکته ای که در مورد زلزله باید بدانیم این است که چه زمانی زلزله می آید، بزرگی آن چقدر است و در کجا حادث می شود .قبل از این با استفاده از قوانین تجربی می کوشیدند زمان و بزرگی زلزله ها را حدس بزنند.یکی از راه های نجات، پیش بینی به موقع خواهد بود. درنتیجه سرعت تشخیص و پیش بینی این سری بلایای طبیعیباید بالا باشد تا فرصتی را برای فرار مردم یک منطقه فراهم کند. در حال حاضر سرعت تشخیص این تکنولو ی چند ثانیهقبل از وقوع زلزله است که باید بهبود یابد و در زمان دقیق و آنی هشدارهای لازم را دهد. تکنولو ی یادگیری ماشینمی توانند سرعت این تشخیص را افزایش دهند .از آنجا که یادگیری ماشین فاکتورهای مختلف تغییرات لرزش را در نظر می گیرد، این شیوه از دقت بالایی برخورداراست زیرا توانایی یادگیری ماشین برای کشف الگوهای موجود در داده های پیچیده که قبلا نادیده گرفته می شد، مورد استفادهقرار می گیرد .ما هنوز برای این که بتوانیم واقعا زلزله را پیش بینی کنیم، راه درازی در پیش داریم ولی به نظر من یادگیری ماشیناز پتانسیل عظیمی در این خصوص بهره مند است، بنابراین قصد دارم این روش ها را در سمینار بررسی کنم تا در پروپزال بهایده مناسب و خوبی برسم که در نهایت آنرا ارائه نموده و برای پایان نامه پیاده سازی کنم.