|
|
پیشبینی بزرگا و محل وقوع زلزلههای احتمالی در محدودۀ خطوط ریلی استان هرمزگان با استفاده از شبکۀ عصبی مصنوعی
|
|
|
|
|
نویسنده
|
پورخسروانی محسن ,مهرابی علی ,امیرجهانشاهی زهرا
|
منبع
|
جغرافيا و برنامه ريزي محيطي - 1403 - دوره : 35 - شماره : 1 - صفحه:111 -128
|
چکیده
|
پیشبینی بزرگا و محل وقوع زلزله تاثیر زیادی در کاهش خسارتهای ناشی از این پدیده خواهد داشت؛ زیرا پیشبینی محل وقوع زلزلههای احتمالی موجب بهسازی و مقاومسازی تاسیسات و زیرساختها در این مکانها و کاهش آسیبپذیری آنها خواهد شد. بر همین اساس، در پژوهش حاضر کوشش شده است تا با استفاده از الگوریتم شبکههای هوشمند عصبی مصنوعی بزرگی و محل وقوع لرزههای احتمالی در محدودۀ خطوط ریلی استان هرمزگان پیشبینی و تحلیل شود. بدین منظور پژوهشگاه بینالمللی زلزلهشناسی و مهندسی زلزله از موقعیت مکانی، بزرگا و عمق زلزلههای ثبتشده در محدودۀ مطالعاتی و نیز از طول گسلهای موجود در منطقه بهعنوان متغیرهای ورودی به مدل شبکۀ عصبی پرسپترون چندلایه استفاده کرده است. نتایج پژوهش نشان میدهد که در منطقۀ مطالعاتی 31 نقطه برای وقوع لرزههای احتمالی پیشبینی شده است که نهایت بزرگای محتمل برای این نقاط 4.3 و 5.2 ریشتر خواهد بود. بر همین اساس، پهنهبندی استان هرمزگان براساس لرزههای پیشبینیشده حاکی از آن است که بخشهای جنوبی و مرکزی استان (شمال تنگۀ هرمز) در پهنۀ با خطر زیاد قرار دارند که موجب آسیبپذیری بیشتر خطوط ریلی در این بخش از استان خواهند شد. همچنین، تونل شمارۀ 23 در محدودۀ پرخطر (در منطقۀ نهایت بزرگای محتمل) قرار دارد و نیز تونل 21، 22، 23 به زلزلههای با بزرگای بیش از 5 ریشتر بسیار نزدیک است.
|
کلیدواژه
|
پیشبینی، خطوط ریلی، زلزله، شبکۀ عصبی مصنوعی، استان هرمزگان
|
آدرس
|
دانشگاه شهید باهنر کرمان, گروه جغرافیا و برنامهریزی شهری, ایران, دانشگاه شهید باهنر کرمان, گروه جغرافیا و برنامهریزی شهری, ایران, دانشگاه شهید باهنر کرمان, ایران
|
پست الکترونیکی
|
dulty.geomorphology@gmail.com
|
|
|
|
|
|
|
|
|
forecasting magnitudes and locations of potential earthquakes along railway lines in hormozgan province using artificial neural network (ann)
|
|
|
Authors
|
pourkhosravani mohsen ,mehrabi ali ,amirjahanshahi zahra
|
Abstract
|
predicting the magnitude and location of earthquakes can significantly mitigate the impact of this natural phenomenon. anticipating potential earthquake locations can enhance infrastructure resilience and reduce vulnerability. this study aimed to forecast and analyze the magnitude and location of potential earthquakes along the railway lines in hormozgan province using intelligent artificial neural network (ann) algorithms. the model utilized earthquake location, magnitude, and depth data from the international institute of seismology and earthquake engineering, as well as fault lengths in the region as the input variables. the findings revealed 32 potential earthquake points in the study area with projected magnitudes ranging from 4.3 to 5.2 on the richter scale. the earthquake prediction-based zoning of hormozgan province indicated that the southern and central parts (north of the strait of hormuz) were at a high risk. consequently, the rail lines in this area were more susceptible. specifically, tunnel no. 23 was situated in a high-risk zone and tunnels 21, 22, and 23 were in close proximity to earthquakes with magnitudes exceeding 5 on the richter scale.
|
Keywords
|
forecast ,railway lines ,earthquake ,artificial neural network (ann) ,hormozgan province
|
|
|
|
|
|
|
|
|
|
|