سال انتشار: ۱۳۸۶

محل انتشار: پنجمین کنفرانس بین المللی زلزله شناسی و مهندسی زلزله

تعداد صفحات: ۸

نویسنده(ها):

سیدحسین ابره دری – کارشناس مسئول پایش، مرکز لرزه نگاری کشوری

چکیده:

روشها و مدل های علمی و عملی گوناگونی برای پیش بینی وقوع زلزله استفاده شده است و هیچکدام از آنها تا کنون نتیجه رضایتبخشی را در بر نداشته اند . در پیش بینی وقوع زلزله، اگر فرض بر این باشد که تمامی نتایج حاصل از مدل ها و روشهایی نظیر داده های زمین شناسی، داده های سنجش از دور، داده های ژئودزی، داده های ژئوفیزیکی وداده های ژئوتکنیک و زیر شاخه های مربوط به این روش ه ا مانندEDM ،In SAR ،IR ،GPS الکترومغناطیسی ، تغییر رفتار و ناآرامی حیوانات، ردگیری و لرزه شناسی شنیداری، ناهنجاریهای پدیده های هواشناسی رطوبت، گرما، و … را تحت یک مدیریت مشارکتی چند عامله با ورودی و خروجی بسیار دقیق با ساختار تکنولوژی اطلاعاتی ارتباطی(PS) و (ICI)برای پیش بینی بلند مدت، میان مدت، کوتاه مدت و اخطار آنی زلزله داریم. اکنون می خواهیم برایتصمیم گیری گروهی و گسترده – جمع آوری – پردازش و تحلیل اطلاعات انواع سنجنده های ماهواره ای با قدرت، تفکیک زمانی، مکانی و طیفی متغیر، ثقل سنجی،GPSپویش لیزری، دوربین های مستقر در هواپیما و سایر تجهیزات زمینی و … برای بهره جستن از یک نتیجه دقیق از مدل های مشارکت ریاضی(FMEA) ،(NVYM)و (FMPO)
مبتنی بر مدی ریت فازی و معادلات خطی برای ارزیابی فرآیندهای جمع آوری شده استفاده کرده و در نهایت تحت یک تصمیم نهایی )رهبری و خبره ( علمی دقیق، اثر بخشی نهایی فرآیندها را بر مبنای کیفی و کمی تفکیک کرده و با استفاده از مدل های مذکور برای وضعیت های مختلف، با بکارگیری ساختار های هوشمندانه در بین ورودی- خروجی داده ها و عملیات، با توجه به معماری ویژه سری – لایه ای و شناور سناریوهای رفتار جمعی )شبکه ای عصبی ( را در جهت نتیجه برتر کنترل کرده و بکار گیریم . در این مطالعه مدل های مرسوم FMEA و NVYM و FMPO از طریق در نظر گرفتن سه پارامت ر شدت خطا (S)، احتمال وقوع خطا (O) و احتمال کشف خطا (D) ، به صورت فازی اصلاح و مدل سازی شده و روشی جهت اولویت بندی خطاها و اثرات آنها در محیط فازی ارایه می شود و می تواند به عنوان الگویی در دسته بندی و ارائه تصمیم نهایی در ریسک های گوناگونی نظیر رخداد زمینل رزه ها و تحلیل پیش نشانگرهای قبل از وقوع بحران ها با بیان مجموعه های فازی شامل اعضای نادقیق و نامشخص در درجه ریسک پذیری از متغیرهای زبانی مورد استفاده قرار گیرد . برای این هدف می توان پارامترهایی با قابلیت های منطبق با دستاوردهای کشور را در مدل تزریق کرده و با دخالت کامل مدیریت فازی و در نظر گرفتن هر یک از پارامترها به صورت فازی، نتایج را تفکیک کرده و موضوع جالبی برای تحقیقات آینده باشد.