فهرست نشریات علمی دسترسی آزاد ایران

فوران‌های آتشفشانی یکی از پدیده‌های طبیعی و خطرناک هستند. پیش‌بینی این فوران‌ها، به‌دلیل پیچیدگی‌های ذاتی فعالیت‌ آنها و نیز عدم‌قطعیت‌ موجود در داده‌ها، چالش‌برانگیز است. اگرچه با استفاده از روش تحلیل نسبت دامنه امواج لرزه‌ای می‌توان روند مهاجرت ماگما را با استناد به تحلیل پیوسته داده‌های ثبت شده در ایستگاه‌های مختلف شبکه، تشخیص داد، ولی همچنان تشخیص بصری و کیفی زمان شروع ناهنجاری‌ها، یکی از محدودیت‌های این روش می‌باشد. در این مطالعه با استفاده از الگوریتم تشخیص زمان شروع ناهنجاری بر مبنای تحلیل تجزیه روند فصلی، روش تعمیم‌یافته‌ای معرفی شده است که این الگوریتم خودکار می‌تواند زمان شروع تغییرات در نسبت دامنه‌های لرزه‌ای و همچنین فراوانی این ناهنجاری‌ها را به‌عنوان پیش‌نشانگری برای وقوع فوران تعیین کند. در این تحقیق، روش اصلاح‌شده بر روی داده‌های لرزه‌ای آتشفشان اتنا در یک بازه‌زمانی 5ساله، آزمایش شد و الگوی فعالیت‌های لرزه‌ای قبل از وقوع فوران‌ها با موفقیت شناسایی شد. نتایج ارزیابی نشان می‌دهد که عملکرد مدل اصلاح‌شده بر اساس معیارهای خطای میانگین مربعات، جذر میانگین مربعات، میانگین قدرمطلق خطا، نسبت به مدل اولیه بهبود یافته است و افزایش 30 درصدی در ضریب تشخیص R2 نیز نشانه قدرت برازش بالای مدل معرفی‌شده می‌باشد. با توجه به سرعت و کارایی این روش و عدم‌نیاز آن به ابزارهای پیچیده، می‌تواند جایگزین مناسبی برای روش‌های سنتی باشد.