دیده بان پیشرفت علم، فناوری و نوآوری
در تحقیق دانش‌آموخته دانشگاه آزاد بررسی شد؛

پیش‌بینی حرکت «ماگما» در اثر فعالیت‌های آتشفشانی

پیش‌بینی حرکت «ماگما» در اثر فعالیت‌های آتشفشانی
دانش‌آموخته دکتری تخصصی ژئوفیزیک دانشگاه آزاد در رساله دکتری خود «پیش‌بینی حرکت ماگما در اثر فعالیت‌های آتشفشانی قبل یا حین زلزله‌های آتشفشانی با روشی هوشمند مبتنی بر یادگیری عمیق» را بررسی کرد.
کد خبر : 849500

خبرگزاری علم و فناوری آنا؛ احسان عربی مفرد- غزاله رسانه نخستین دانش‌آموخته دکتری تخصصی ژئوفیزیک دانشگاه آزاد اسلامی واحد نجف‌آباد از رساله خود با عنوان «پیش‌بینی حرکت ماگما در اثر فعالیت‌های آتشفشانی قبل یا حین زلزله‌های آتشفشانی با روشی هوشمند مبتنی بر یادگیری عمیق» دفاع کرد.

این پایان‌نامه که در قالب پروژه تحقیقاتی با همکاری مؤسسه بین‌المللی پژوهشی آتشفشان شناسی و ژئوفیزیک ایتالیا شعبه کاتانیا انجام شده است، نشان داد با صحت خوبی می‌توان از قبل تا چند ساعت و حتی تعدادی روز، حرکت ماگما به سمت دهانه اصلی آتشفشان آتنا که بزرگ‌ترین آتشفشان فعال کل اروپاست را هوشمندانه پیش‌بینی کرد.

نتایج حاصل از این رساله در مجله Annals of Geophysics و نیز مجله ژئوفیزیک ایران به چاپ رسیده است.

رساله غزاله رسانه نخستین دانش‌آموخته دکتری تخصصی ژئوفیزیک واحد نجف‌آباد به راهنمایی علیرضا حاجیان، مریم هدهدی و با مشاوره روح الله کیمیایی‌فر و پروفسور Salvatore Gambino از مؤسسه بین‌المللی پژوهشی آتشفشان شناسی و ژئوفیزیک ایتالیا شعبه کاتانیا در قالب همکاری بین‌المللی دانشگاه آزاد اسلامی واحد جامع مستقل نجف‌آباد با مؤسسه INGV ایتالیا شعبه کاتانیا انجام شده است.

پیش‌بینی حرکت ماگما در اثر فعالیت‌های آتشفشانی

دانش‌آموخته دکتری تخصصی ژئوفیزیک واحد نجف‌آباد در تشریح چکیده پایان‌نامه خود در گفت‌وگو با خبرنگار آنا اظهار کرد که آتشفشان‌ها، پدیده‌های جهانی هستند که مانند سایر پدیده‌های زمین‌شناختی، سازوکار پیچیده‌ای دارند و پیش‌بینی رفتار آن‌ها به سهولت امکان‌پذیر نیست. با این حال، اکثر آتشفشان‌ها قبل از فوران، نشانه‌هایی از خود بروز می‌دهند که با مطالعه و بررسی دائمی آنها، می‌توان احتمال وقوع فوران را تخمین زد.

رسانه ادامه داد: بخش عظیمی از کشور ایران، روی کمربند کوهزایی آلپ-هیمالیا واقع شده و دارای چند مرکز آتشفشانی جوان و نیمه‌خاموش است. امکان فوران دوباره این آتشفشان‌ها به سبب خروج گاز‌ها و بخارات و نیز چشمه‌های آب گرم را نمی‌توان دور از انتظار دانست. متاسفانه در ایران، شبکه‌های لرزه نگاری و نظارت بر آتشفشان‌ها با توجه به دلایل عمدتاً اقتصادی، گسترش کافی نداشته و این مسئله به صورت مستقیم روی مطالعات مبتنی بر داده‌های این حوزه تأثیرگذار بوده است.

نخستین دانش‌آموخته دکتری تخصصی ژئوفیزیک دانشگاه آزاد اسلامی واحد نجف‌آباد گفت: در این تحقیق،(رساله دکتری) سعی شده است که با معرفی یک روش لرزه‌ای کاربردی و کم‌هزینه برای نظارت دائمی بر آتشفشان‌ها، گامی به سمت حل مشکل ذکرشده برداشته شود.  

وی توضیح داد: در گام نخست با ارائه یک روش لرزه‌ای نوین و کاربردی روش SARA که مبتنی بر تجزیه و تحلیل نسبت دامنه‌های امواج لرزه‌ای است، مسیر حرکت ماگما قبل از فوران آتشفشان که یکی از چالش‌ها در حیطه نظارت بر آتشفشان‌هاست، تخمین زده شد و مسیر تخمینی در مقایسه با نتایج مطالعات مشابه، همخوانی خوبی را نشان داد.

رسانه اضافه کرد: به منظور بررسی عدم قطعیت این روش و بهبود عملکرد آن ازآزمون ناپارامتریک من‌کندال با سطح اطمینان ۹۵ درصد نیز استفاده شد. نتایج این آزمون، افزایش دو تا پنج برابری در نسبت دامنه‌های لرزه‌ای در ۹۰ درصد جفت ایستگاه‌ها را نشان داد که می‌تواند به عنوان یک پیش‌نشانگر فوران معرفی شود.

دانش‌آموخته دکتری تخصصی ژئوفیزیک افزود: سپس با بهره‌گیری از تجزیه سری زمانی به روش فصلی و مدل STL، زمان شروع و تعداد ناهنجاری‌ها در نسبت دامنه‌ها در بازه‌های زمانی نزدیک به فوران، تعیین و به عنوان یک پیش‌نشانگر فوران معرفی شد.

پیش‌بینی حرکت ماگما در اثر فعالیت‌های آتشفشانی

وی ادامه داد: در گام دوم تحقیق در راستای هوشمندسازی روش لرزه‌ای SARA برای نخستین بار از ترکیب شبکه عصبی پیچشی و شبکه حافظه طولانی کوتاه مدت، استفاده و مدلی برای پیش‌بینی روند تغییرات سری زمانی نسبت دامنه‌ها طراحی شد.

رسانه توضیح داد: مدل پیشنهادی یک شبکه عصبی ترکیبی با استفاده از یادگیری عمیق است که از ترکیب دو معماری CNN و LSTM ایجاد شده است. معماری CNN با توجه به توانایی آن در استخراج الگو‌های موجود در داده‌ها و معماری LSTM بر پایه توانایی آن در پیش‌بینی سری زمانی، مورد استفاده قرار گرفته‌اند.

دانش‌آموخته دکتری تخصصی ژئوفیزیک واحد نجف‌آباد اظهار کرد: مدل LSTM به تنهایی و مدل ترکیبی پیشنهادی، هر دو روی داده‌های لرزه‌ای آتشفشان اتنا در بازه زمانی ۵ ساله، اجرا و پیش‌بینی کوتاه‌مدت روند تغییرات نسبت دامنه‌ها برای یک ماه آینده انجام شد.

وی بیان کرد: نتایج ارزیابی نشان می‌دهد که دقت پیش‌بینی مدل ترکیبی بر اساس معیار‌های خطای میانگین مربعات، جذر میانگین مربعات، میانگین قدر مطلق خطا و ضریب تعیین R ۲، نسبت به مدل LSTM بهبود یافته است. در نهایت، مدل هوشمند و اصلاح‌شده‌ای برای تجزیه و تحلیل نسبت دامنه‌ها و به تبع آن، تخمین مسیر مهاجرت ماگما قبل از فوران به‌منظور پایش و نظارت پیوسته بر آتشفشان‌ها معرفی شد که با توجه به مزایا و نتایج آن، می‌تواند به‌عنوان یک روش جایگزین به‌خصوص در شرایطی که توزیع ایستگاه‌های لرزه‌ای در محیط‌های آتشفشانی کم است، مورد استفاده قرار گیرد.

انتهای پیام/

ارسال نظر
هلدینگ شایسته