عنوان فارسی مقاله:یک مدل پیش بینی تلفات زلزله بر اساس یادگیری ماشینی
چکیده
ارزیابی میزان مرگ و میر در مناطق زلزله زده برای واکنش اضطراری در طول عملیات امداد و نجات حیاتی است. از این رو، یک رویکرد موثر و جهانی برای پیشبینی دقیق تعداد تلفات ناشی از زلزله مورد نیاز است. برای به دست آوردن یک روش پیشبینی دقیق تلفات که میتواند برای مناطق با محیطهای جغرافیایی مختلف اعمال شود، یک روش تقسیم فضایی بر اساس تفاوتهای منطقهای و یک روش منطقهبندی پیشبینی تلفات بر اساس رگرسیون بردار پشتیبان (SVR) در این مطالعه پیشنهاد شدهاست. این مطالعه شامل سه بخش است: (۱) ارزیابی اهمیت ویژگیهای تأثیرگذار بر مرگومیر لرزهای بر اساس جنگل تصادفی برای انتخاب شاخصها برای مدل پیشبینی. (۲) تقسیم منطقه مورد مطالعه به درجات مختلف مناطق خطر با مجموعه داده خط گسل طبقات و مجموعه داده جمعیت WorldPop و (۳) توسعه یک مدل رگرسیون بردار پشتیبان منطقهبندی (Z-SVR) با پارامترهای بهینه که برای مناطق مختلف خطر مناسب است. ما ۳۰ زمین لرزه تاریخی را که از سال ۱۹۵۰ تا ۲۰۱۷ در سرزمین اصلی چین رخ داد انتخاب کردیم تا عملکرد پیشبینی Z-SVR را بررسی کنیم و عملکرد آن را با سایر روشهای یادگیری ماشینی به طور گسترده مقایسه کنیم. نتایج نشان میدهد که Z-SVR از سایر روشهای یادگیری ماشین بهتر عمل کرده و میتواند دقت پیشبینی تلفات را بیشتر افزایش دهد.
- 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.