تجزیه و تحلیل پیش بینی زلزله در هند با استفاده از طبقه بندی کننده های

تجزیه و تحلیل پیش بینی زلزله در هند با استفاده از طبقه بندی کننده های

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 22

تعداد کلمات : 6800

مجله : sustainability

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
16 مارس 2022
دسته بندی
تعداد بازدیدها
1219 بازدید
35,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:تجزیه و تحلیل پیش بینی زلزله در هند با استفاده از طبقه بندی کننده های یادگیری ماشینی نظارت شده

 چکیده

  زلزله یکی از مخرب ترین انواع مخاطرات طبیعی است. در نتیجه، مدیریت موفقیت آمیز شرایط ناشی از آن، بسیار مهم است. در اثر زلزله، جان بسیاری از افراد به خطر می افتد و اثرات مخربی بر اقتصاد نیز دارد. توانایی پیش بینی زلزله یکی از بزرگترین مسائل در علم زمین است. فناوری یادگیری ماشینی می تواند نقش حیاتی در زمینه علوم زمین برای پیش بینی زلزله ایفا کند. هدف ما توسعه روشی برای پیش‌بینی دامنه بزرگی زمین‌لرزه‌ها با استفاده از الگوریتم‌های طبقه‌بندی‌کننده یادگیری ماشین است. سه محدوده مختلف طبقه بندی شده است: زلزله شدید. زلزله متوسط؛ و زلزله خفیف. به منظور تمایز بین این طبقه بندی ها، از هفت الگوریتم طبقه بندی کننده یادگیری ماشین مختلف برای ساخت مدل استفاده شده است. برای آموزش مدل، از شش مجموعه داده مختلف از هند و مناطق نزدیک به هند استفاده شده است. الگوریتم های شبکه بیزی،  درخت تصادفی، لجستیک ساده، جنگل تصادفی،  درخت مدل لجستیک  ، ZeroR و رگرسیون لجستیک برای هر مجموعه داده اعمال شده است. همه مدل ها با استفاده از ابزار Weka توسعه داده شده اند و نتایج ذکر شده است. مشاهده شد که طبقه بندی کننده های ساده لجستیک و LMT در هر مورد عملکرد خوبی داشتند(تجزیه و تحلیل پیش بینی زلزله).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Analysis of Earthquake Forecasting in India Using Supervised Machine Learning Classifiers

Abstract

 Earthquakes are one of the most overwhelming types of natural hazards. As a result, successfully handling the situation they create is crucial. Due to earthquakes, many lives can be lost, alongside devastating impacts to the economy. The ability to forecast earthquakes is one of the biggest issues in geoscience. Machine learning technology can play a vital role in the field of geoscience for forecasting earthquakes. We aim to develop a method for forecasting the magnitude range of earthquakes using machine learning classifier algorithms. Three different ranges have been categorized: fatal earthquake; moderate earthquake; and mild earthquake. In order to distinguish between these classifications, seven different machine learning classifier algorithms have been used for building the model. To train the model, six different datasets of India and regions nearby to India have been used. The Bayes Net, Random Tree, Simple Logistic, Random Forest, Logistic Model Tree (LMT), ZeroR and Logistic Regression algorithms have been applied to each dataset. All of the models have been developed using the Weka tool and the results have been noted. It was observed that Simple Logistic and LMT classifiers performed well in each case.