فهرست نشریات علمی دسترسی آزاد ایران

یکی از مهم‌ترین ویژگی­ها در سری­های زمانی زمین­لرزه، تعیین میزان همبستگی­هایی است که بین زمین­لرزه­ها در یک منطقه خاص وجود دارد. این مقاله به برآورد همبستگی­ها در سری­های زمانی مستخرج از داده­های زمین­لرزه کالیفرنیا، که طی سال­های 2002 تا 2016 رخ­داده­اند، می­پردازد. داده‌ها از 1 جمع آوری شده­اند. میزان همبستگی­ها یا حافظه دور­برد سری زمانی، توسط پارامتر هرست وابسته به زمان، ، و به­صورت موضعی، اندازه­گیری می­شود. پارامتر هرست را به کمک  الگوریتم میانگین متحرک روند­زدا یا به‌اختصار ، برآورد می­کنیم. دلیل استفاده از این روش برآورد، توجه به ساختار مقیاس پایایی زمین­لرزه­ها و همچنین نوسانات پارامتر هرست نسبت به زمان است. جهت ارزیابی دقت این روش، ابتدا پارامتر هرست را در داده­های شبیه­سازی شده برآورد می­کنیم و میانگین مربعات خطا  را، به­عنوان ملاکی از دقت روش، به دست می­آوریم. سپس  را جهت تعیین میزان تغییرات و همبستگی بین زمین­لرزه­های متوالی، در داده­های زمین­لرزه کالیفرنیا، محاسبه می­کنیم. در مواجهه با داده­های زمین­لرزه، مشاهده می‌کنیم که پارامتر هرست، دارای تغییرات قابل‌توجهی نسبت به زمان است درصورتی‌که در داده­های شبیه­سازی شده، این میزان تغییرات دیده نمی­شود. از مزایای روش ، این است که در این روش به هیچ­گونه فرض توزیعی از متغیرهای تصادفی، نیاز نداریم. به­علاوه، این روش، برتری قابل‌توجهی نسبت به روش­های موجک و طیف توان با مرتبه بالا دارد که بر اساس تبدیل لژاندر یا فوریه از گشتاورهای مرتبه  محاسبه می­شوند. با به­کارگیری این روش برآورد در داده­های زمین­لرزه کالیفرنیا، ملاحظه می­شود که مقدار  بین 4/0 و 6/0 نوسان می­کند. در مواردی که مقدار پارامتر از 5/0 بیشتر است، نشان­دهنده‌ی وجود همبستگی دوربرد به مقدار کم است و مقادیر پارامتر هرست کمتر از 5/0 بیانگر عدم همبستگی بین مشاهدات متوالی است.