پیش‌بینی بیشینه (حداکثر) شتاب زمین مناطق تکتونیکی (زمین ساخت) ایران با استفاده از تکنیک محاسبات نرم ترکیبی

یک مدل جدید برای پیش‌بینی حداکثر شتاب زمین (PGA)بدست می‌آید که از یک روش هیبرید (ترکیبی)، جفت کردن شبکه عصبی مصنوعی (ANN)و تابکاری (آب‌دیدگی، بازپخت) شبیه‌سازی شده (SA) به نام SA – ANN استفاده می‌کند. مدل پیشنهادی PGA با منبع زلزله برای فاصله مکانی، بزرگی زلزله، متوسط سرعت موج برشی، مکانیزم‌های خطا، و عمق کانونی مرتبط است. یک پایگاه‌داده از تکان های (حرکتها) شدید ثبت شده زمین، ۳۶ زلزله که در مناطق تکتونیک ایران اتفاق‌افتاده است، برای ایجاد این مدل مورد استفاده قرار می‌گیرد. برای تایید اعتبار بیشتر، از مدل SA – ANN برای پیش‌بینی PGA، بخشی از پایگاه‌داده خارج از دامنه داده‌های آموزشی استفاده می‌شود. مدل SA – ANN ی پیشنهادی علاوه بر ۱۰ مدل شناخته‌شده مطرح‌شده در نوشته‌ها با ANN ساده نیز مقایسه شده‌است. عملکرد مدل پیشنهادی برتر از ANN و سایر مدل‌های ضعیف موجود است. مدل SA – ANN به شدت با رکوردهای(ثبت های) واقعی همبستگی بالایی دارد ( ۰.۸۳۵=R و ro=0.0908). و متعاقبا به یک معادله طراحی انعطاف‌پذیر تبدیل می‌شود.

A new model is derived to predict the peak ground acceleration (PGA) utilizing a hybrid method coupling artificial neural network (ANN) and simulated annealing (SA), called SA-ANN. The proposed model relates PGA to earthquake source to site distance, earthquake magnitude, average shear-wave velocity, faulting mechanisms, and focal depth. A database of strong ground-motion recordings of 36 earthquakes, which happened in Iran’s tectonic regions, is used to establish the model. For more validity verification, the SA-ANN model is employed to predict the PGA of a part of the database beyond the training data domain. The proposed SA-ANN model is compared with the simple ANN in addition to 10 well-known models proposed in the literature. The proposed model performance is superior to the single ANN and other existing attenuation models. The SA-ANN model is highly correlated to the actual records ( R  = ۰.۸۳۵ and ρ  = ۰.۰۹۰۸) and it is subsequently converted into a tractable design equation.