تعزيز سرعة ودقة تقدير موقع مصدر الزلازل أمر بالغ الأهمية لتطوير أنظمة الإنذار المبكر للزلازل. في هذه الدراسة، نهدف إلى تصميم نهج مبتكر يعتمد على التعلم الآلي يقوم باستخدام أوقات وصول موجات P من محطات الزلازل الأولية وحساب أوقات الوصول التفاضلية بالنسبة لمحطة مرجعية لتقدير مركز الزلزال. نخطط لتدريب النموذج باستخدام سجل زلازل واسع لتقييم دقته وقوته وقدرته على التكيف تحت ظروف البيانات المحدودة ومع عدد أقل من محطات التسجيل. ستتناول هذه الدراسة القيود الرئيسية للأساليب الجيوفيزيائية التقليدية مثل مشكلات التأخير والدقة، من خلال توفير تقديرات موقع أسرع وأكثر موثوقية. من المتوقع أن يقدم النموذج المقترح تحسينات في القابلية للتوسع عبر مناطق جغرافية مختلفة وسيكون قادرًا على التعلم بفاعلية من بيانات محدودة. من بين أربعة خوارزميات تعلم آلي سيتم اختبارها، نتوقع أن يظهر مصنف Random Forest (RF) أفضل أداء. من المتوقع أن يؤدي دمج النموذج المطور في أنظمة الإنذار المبكر إلى تحسين كبير في مراقبة الزلازل، مما يمكّن من إصدار تنبيهات دقيقة وفي الوقت المناسب لتحسين الجاهزية، وتقليل المخاطر، ودعم الاستجابة السريعة خلال الأحداث الزلزالية.
أ studied Abhishek et al. (Mon,) هذا السؤال.