بررسی سامانه های کارآمد در پیش‌بینی زلزله

سیستم‌های خبره معمولاً در امر پیش‌بینی زلزله استفاده می‌شوند. در این سیستم‌های خبره از پارامترهای مختلفی مانند رفتار گسل، غلظت رادون، انرژی، پالس و تعداد ضربه استفاده می‌شود. با بررسی این پارامترها می‌توان میزان رخداد زلزله را برآورد کرد. میزان دقت پیش‌بینی زلزله توسط این سیستم‌های خبره نسبت به روش‌های غیرهوشمند نسبتاً بالاتر است. در این مقاله ابتدا میزان دقت و نوع داده‌های استفاده شده‌ در انواع مختلف سیستم‌های خبره در زمینه پیش‌بینی زلزله مورد مطالعه قرار گرفت. علاوه بر آن، پیش‌بینی زلزله با یک سیستم خبره مبتنی بر الگوریتم‌های مختلف ماشین بردار پشتیبان، درخت تصمیم‌گیری، شبکه عصبی مصنوعی، ماشین بردار پشتیبان براساس بهینه‌سازی ازدحام ذرات، بیزین و شبکه پرسپترون چندلایه در محیط Rapidminer پیاده‌سازی شد. نتایج به دست آمده نشان داد که سیستم خبره مبتنی بر ماشین بردار پشتیبان که با الگوریتم ازدحام ذرات بهینه شده باشد نسبت به سیستم‌های خبره مبتنی بر شبکه عصبی، ماشین بردار پشتیبان، بیزین، درخت تصمیم‌گیری و شبکه پرسپترون چندلایه دارای دقت پیش‌بینی بهتری است.