بخشی از مقاله
چکیده
روش تشخیص الگو در پیش یابی خوشه هاي لرزه اي ، مساله اي مهم در مطالعات زلزله شناسی است.با توجه به این که چنین رویدادي داراي سرشت کاملا تصادفی است، استفاده از شبکه هاي عصبی مصنوعی، راهکاري مناسب براي جداسازي خوشه ها محسوب می شود.الگوریتم شبکه عصبی مصنوعی کوهونن که الهام گرفته از عملکرد مغز انسان است براي تشخیص تمرکز پس لرزه هاي آینده، جایگاه مناسبی را در داده پردازي زلزله شناسی باز کرده است.در این گزارش ، جزئیات الگوهاي لرزه اي در کمربند البرز و البرز باختري با استفاده از کاتالوگ پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله بررسی شده است.
اگر چه بسیاري از زلزله ها همگی و یا برخی از الگوها نظیر پیش لرزه ها ، سکوت لرزه اي و الگوي دونات را قبل از وقوع نشان می دهند، اما جزئیات این الگوها از زلزله اي به زلزله دیگر به طور قابل توجهی تغییر می کند.در این پژوهش پس از شناسایی گره هاي زمین ریخت ساختاري البرز باختري، با به کارگیري شبکه هاي عصبی خود سازمانده کوهنن و استفاده از تئوري و روش مونت کارلو و مدل سازي کاپولاس تحلیل کاتالوگ لرزه اي در محل گره ها،خوشه هاي لرزه اي مورد مطالعه قرار گرفت و محل رخداد زمین لرزه هاي بزرگ شناسایی شد.بر اساس نتایج بدست آمده الگوي سکوت لرزه اي و الگوي دونات برجسته ترین الگوهاي لرزه اي در البرزمرکزي و باختري تشخیص داده شده است.
1 مقدمه
جزئیات الگوهاي لرزه اي بوسیله محیط تکتونیکی - هندسه گسل و نرخ استرین - و ناهمگنی صفحه گسل کنترل می شود. براي توضیح خوشه هاي لرزه اي یک مدل اسپریتی1 ساده ارائه شده است، در این مدل، سامانه گسلی داراي اسپریتی به تعداد زیر گسل هاي سامانه است و همزمان با افزایش تنش هاي زمین ساختی زیر گسل هاي واقع در منطقه ضعیف به صورت رخداد پیشلرزه هاي جنبا می شوند تا صفحه گسلی از نظر لرزه خیزي آرام شود.
چنانچه تنش زمین ساختی باز هم افزایش یابد در نهایت اسپریتی می شکند و جابجایی هاي هم سو در کل منطقه گسل به صورت لرزش اصلی اتفاق می افتد. در طول اسپریتی بنا بر توزیع نیروي عمل کننده پیش لرزه ها می تواند اتفاق بیافتد و یا ظاهر نشود ولی تغییرات فضایی- زمانی در استرس صفحه گسلاحتمالاً تغییر در الگوي لرزه خیزي را تحمیل می کند.
از آن جائی که الگوهاي لرزه خیزي از یک زلزله به زلزله دیگر تغییر می کنند به همین دلیل نمی توان از آنها به تنهایی در پیش یابی زلزله و اندازه گیري دیگر پارامترهاي فیزیکی استفاده کرد. براساس مطالعات جونز و مولنا - 1976 - حدود %44 از زلزله هاي کم عمق در جهان بعد از افزایش نرخ لرزه خیزي در مقیاس هاي مکانی مختلف اﺗﻔﺎق افتاده اند. این شواهد نشانگر این است که فعالیتهاي لرزه اي قبل از زلزله هاي اصلی تمایل به تشکیل خوشگی2 در اطراف رومرکز تکان اصلی را دارند - مگی، . - 1968 این فعالیت ها را می توان به عنوان پیش لرزه هایی در نظر گرفت که در محل گره هاي ساختاري رخ می دهند.
الگوهاي لرزه خیزي در ظاهر براي کار پیش بینی زلزله کارایی ندارند اما براي شناسایی سازوکار فیزیکی مفید هستند. هنگامی که سازوکار فیزیکی شناخته شده باشد، سایر ابزار مانند تغییرات سازوکار چشمه، طیف و شکل موج رکوردهاي لرزه اي می توانند براي اهداف پیش بینی به کار گرفته شوند. بدلیل غیر یکنواختی کاتالوگهاي لرزه خیزي موجود روشهایی که مبتنی بر استدلال تقریبی است براي تصمیم گیري رفتار فرایندهاي پیچیده کمک می نماید.
عمل شبیه سازي هایی نظیر شبکه هاي عصبی مصنوعی و روش مونت کارلو و مدل سازي کاپولاس براي تحلیل این الگوها، توزیع لرزه خیزي در صفحه گسل را برجسته تر خواهد کرد - علامه زاده و مختاري، - 2003و - علامه زاده و مهشادنیا، . - 2012 در این پژوهش تغییرات ناحیه اي الگوها در طول پهنه هاي زمین ساختی مناطق البرز بررسی شده است به طوري که یک دوره سکوت لرزه اي در این ناحیه همراه با خوشگی لرزه اي و غیر یکنواختی لرزه خیزي در طول گسلهاي منطقه قابل مشاهده است. در این راستا، پهنه هاي با توان لرزه خیزي بالا با استفاده از معیارهاي زمین ریخت ساختاري استخراج شده اند.
در این مطالعه جهت شناسایی مناطقی با بیشترین احتمال رویداد زمین لرزه - با بزرگاي بیش از حد - M>4. 5 از روش پهنه بندي زمین ریخت ساختاري هم استفاده شده است که اهمیت بالایی در دانش تحلیل خطر و ارزیابی ریسک دارد. اساس این روش تشخیص شواهد حرکات زمین ساختی عهد حاضر در مرز بلوك هاي لیتوسفر است و در نتیجه آن تشخیص غیر مستقیم بخش هایی با تمرکز تنش بالا - در مقیاس زمانی دهها تا هزاران سال - در طول گسل ها است.
در این روش می توان از مکان هایی کهقبلاً رخدادهاي لرزه اي بزرگ را نشان داده اند براي تشخیص مکان هایی که هنوز به عنوان ایالت هاي لرزه اي شناسایی نشده اند، استفاده کرد. در بعضی شرایط، تحلیل الگوها، درزه ها و خطواره هاي زمین ساختی، یک پارامتر کافی براي تشخیص مناطق لرزه خیز در تقاطع پهنه هاي گسلی محسوب می شوند. از مطالعات در این راستا می توان به آلکسیوسکایا و همکاران - - 1977، گویشیانی و همکاران - - 1988 و گورشکوف و همکاران - 2003 - اشاره کرد.
2 روش تحقیق
تفکر خودسازمان یافتگی توصیف منطقی خوبی براي پدیده هاي بدون مقیاس نظیر زمین لرزه است، جایی که در آن هیچ تجربه گري براي تنظیم پارامترهاي زلزله جهت درك تجمع تنش هاي زمین ساختی - تکتونیکی - وجود ندارد براي یافتن تغییرات کلی در سامانه گسلی قبل از وقوع زلزله هاي بزرگ استفاده از شبکه هاي عصبی مصنوعی می تواند سامانه هاي بزرگ را به سامانه هاي کوچکتر نسبت داده پس از بررسی زلزله هاي کوچک در ناحیه مورد مطالعه روند تجمع زمین لرزه هاي آتی را تخمین زند.
بیشتر سامانه هاي واقعی نظیر زمین لر زه ها را می توان با یک شبکه مدلسازي کرد که در آن رأس نمایانگر زلزله ها - اجزاي سامانه - و اتصال هاي نشان دهنده برهمکنش بین اجزاي سامانه هستند. اطلاعات به دست آمده از شبکه هاي واقعی - مانند زلزله ها - در سال هاي اخیر، امکان دستیابی به خصوصیات مهم و جهانشمول این شبکه ها را فراهم ساخته است. همه سامانه هاي گسلی داراي تعداد بیشماري درجه آزادي هستند که بررسی آنها جز با روش هاي احتمالاتی غیرممکن است. چرا که در اینجا جزئیات سامانه می توانند نقش مهمی در رفتار بزرگ مقیاس آن داشته باشند.
بی نظمی زلزله ها نیز یکی دیگر از مشخصه هاي سامانه هاي گسلی است که مطالعه آنها را مشکل می سازد. آنچه در این سامانه ها مشکل ساز می شود همزیستی مسالمت آمیز نظم و بی نظمی در کنار یکدیگر است. به نظر می رسد که بیشتر سامانه هاي پیچیده نظیر فرآیند زلزله در جایی که مرز نظم و بی نظمی است به سر می برند. شبکه مورد نطر ما در مورد زلزله ها به این شکل در نظر می گیریم که رأس شبکه هاي زمین لرزه اي از کل زمین لرزه ها در صفحه ایران و اتصالات بین آنها نشان دهنده ارتباط نزدیک آنها باشد - فاصله دو رویداد از یکدیگر - . اتصال بین دو زلزله نزدیک نشان می دهد که آنها به طور فیزیکی با یکدیگر به لحاظ آماري ارتباط دارند.
به طوري که احتمال رخداد زمین لر زه اي بزرگتر را در آن ناحیه به دنبال دارد. ما می توانیم شبکه زلزله ها را به همین ترتیب بسازیم، شبکه اي که در آن رأس ها زمین لرزه هایی که در طی یک فرآیند به زلزله دیگري تبدیل می شود به طوري که انرژي کل ذخیره شده در گسل ها آزاد می شود. مدل شبکه عصبی که در مورد زلزله شبیه سازي کرده ایم یکی از مهمترین شبکه هاي حیاتی یک موجود زنده است. در این شبکه رأس ها نقش نرون ها را ایفا می کنند و اتصالات جهت دار بین آنها همان اتصالات سیناپسی بین دو نرون هستند.
یک اتصال سیناپسی از انتهاي یک نرون خارج و به بدنه نرون دیگر وصل می شود. جهت اتصال بین این دو نرون به نرون دوم اشاره می کند - علامه زاده و همکاران، - 2003 در این پژوهش براي شناسایی الگوهاي لر زه اي از ویژگی تعمیم شبکه عصبی بهره جسته و سامانه اي را براي کار در دنیاي حقیقی که یک دنیاي نادقیق است طراحی می کنیم.
از طرف دیگر چون کاتالوگهاي زمین لرزه ها ممکن است ناقص و ناکافی باشد شبکه هاي عصبی می توانند رفتار خود را باتوجه به محیط ورودیها و خروجیها به گونه اي تغییر دهند تا پاسخ مناسب طبیعت را آشکار نماید. از این روش در ناحیه البرز براي تعیین مکانهاي پرخطر لرزه اي با دو روش شبکه عصبی و روش - گوروشکوف و همکاران، - 2003 استفاده شده است به طوري که نتایج یکسانی را در بر داشته است.
