تحلیل آماری الگوی زمانی لرزه‌خیزی در ناحیه‌ی زاگرس

نوع مقاله : Articles

نویسندگان

1 دانشکده علوم زمین، دانشگاه دامغان

2 دانشکده ریاضی و علوم کامپیوتر، دانشگاه دامغان

چکیده

در این تحقیق، الگوی زمانی رخداد زلزله‌ها در ناحیه‌ی زاگرس در یک بازه‌ی زمانی بیش از 11 سال (از آغاز سال 2005 تا پایان ماه اکتبر 2016 میلادی) به کمک روش‌های آماری مورد بررسی قرار گرفته است. در این راستا، تبعیّت داده‌های لرزه‌ای از توزیع پواسون ارزیابی شده و همچنین تحلیل سری‌های زمانی این داده‌ها انجام شده است. به این منظور، تصادفی بودن توزیع رخداد زلزله‌ها در زمان، با برازش مدل توزیع پواسون به داده‌ها مورد ارزیابی قرار گرفت و سپس از مدل‌سازی سری‌های زمانی برای یافتن الگوی مولّد داده‌ها استفاده شد. نتیجه‌ی کلی حاصل از این تحلیل آماری نشان می‌دهد الگوی زمانی رخداد زلزله‌ها در این ناحیه از الگوی تصادفی با توزیع پواسون تبعیّت نمی‌کند. درعین‌حال، در این تحلیل مشخص شد که الگوی زمانی رخداد زلزله‌های با بزرگی بیشتر، به توزیع تصادفی پواسون نزدیک‌تر است. همچنین نتایج حاصل از تحلیل سری‌های زمانی بر روی داده‌ها نشان می‌دهد الگوی زمانی رخداد زلزله‌ها بر اساس متغیّرهای بزرگی و عمق کانونی، به‌ترتیب با مدل ARMA(1,1) و مدل‌های ARMA(0,1) و ARMA(0,2) سری‌های زمانی مطابقت نشان می‌دهد.

کلیدواژه‌ها

مراجع

  1. Altinok, Y. and Kolcak, D. (1999) An application of the semi-Markov model for earthquake occurrences in North Anatolia, Turkey. Journal of Balkan Geophysical Society, 2(4), 90-99.
  2. Morales-Esteban, A., Martinez- Alvarez, F., Troncoso, A., Justo, J.L., and Rubio-Escudero, C. (2010) Pattern recognition to forecast seismic time series. Expert Systems with Application, 37(12), 8333-8342.
  3. Wang, J.P., Huang, D., Chang, S.C., and Wu, Y.M. (2014) New evidence and perspective to the Poisson process and earthquake temporal distribution from 55,000 events around Taiwan since 1900. Natural Hazards Review, 15(1), 38- 47.
  4. Bossard, A. (2014) Analysis of the Poisson distribution applicability to the Japanese seismic activity. International Conference on Advanced Applied Informatics, 93, 430- 435.
  5. Wang, J.P. and Chin Chang, S.U. (2015) Evidence in support of seismic hazard following Poisson distribution. Physica A, 424, 207-216.
  6. Zamani, A. and Agh-Atabai, M. (2009) Temporal characteristics of seismicity in the Alborz and Zagros regions of Iran, using a multifractal approach. Journal of Geodynamics, 47(5), 271-279.
  7. Pashapoor, M., Khorshidian, K., and Khalili, M. (2014) The parametric estimation and prediction of earthquake occurrences in the south of Iran based on a semi-Markov model. Journal of Advanced Mathematical modeling, 3(2), 1-20 [in Persian].
  8. Mohebbi, M. and Abedini, Y. (2006) Analysis of the earthquake data using time series and prediction methods. Iranian National Conference on Physics, Shahrud University of Technology, Shahrud, Iran [in Persian].
  9. Zuniga, F.R., Reyners, M., and Villamor, P. (2005) Temporal variations of the earthquake data in the catalogue of seismicity of New Zealand. Bulletin of the New Zealand Society for Earthquake Engineering, 38(2), 87-105.
  10. Amei, A., Fu, W., and Ho, C. (2012) Time series analysis for predicting the occurrences of large scale earthquakes. International Journal of Applied Science and Technology, 2(7), 64-75.
  11. Hong, L.L. and Guo, S.W. (1995) Nonstationary Poisson Model for Earthquake Occurrences. Bulletin of the Seismological Society of America, 85, 814-824.
  12. Telesca, L., Cuomo, V., Lapenna, V., and Macchiato, M. (2001) Identifying space time clustering properties of the 1983-1997 Irpinia-Basilicata (southern Italy) seismicity. Tectonophysics, 330, 93-102.
  13. Berberian, M. (1981) 'Active faulting and tectonics of Iran'. In: Zagros Hindukush-Himalaya Geodynamic Evolution. Geodynamics Series, 3, Gupta, H.K., Delany, F.M. (Eds) American
  14. Geophysical Union Washington, DC and Geological Society of America, Boulder, CO, 33-69.
  15. Takin, M. (1972) Iranian geology and continental drift in the Middle East. Nature, 235, 147-150.
  16. Falcon, N.L. (1969) 'Problems of the relationship between surface structure and deep displacements illustrated by the Zagros Range'. In: Time and Place in Orogeny, Kent, P.E., Satterthwaite, G.E. and Spencer, A.M. (Eds), 3, Geol. Soc. Lonon, Spec. Publ., 9-22.
  17. Swan, A.R.H. and Sandilands, M.H. (1995) Introduction to Geological Data Analysis. Blackwell Science, Oxford.
  18. Schuenemeyer, J.H. and Drew, L.J. (2011) Statistics for Earth and Environmental Scientists. John Willy & Sons, Inc., Hoboken.
  19. Kagan, Y.Y. (1993) Statistics of Characteristic Earthquakes. Bulletin of the Seismological Society of America, 83, 7-24.
  20. Kagan, Y.Y. (2010) Statistical distribution of earthquake numbers: consequence of branching process. Geophysical Journal International, 180Â‌ (3), 1313-1328.
  21. Armstrong, J.S. (2001) Principles of Forecasting: A Handbook for Researchers and Practitioners. Kluwer Academic Publishers, Norwell, MA.
  22. Box, G.E.P. and Jenkins, G.M. (1976) Time Series Analysis: Forecasting and Control. Holden-Day, San Francisco.
  23. Brockwell, P.J. and Davis, R.A. (2002) Introduction to Time Series and Forecasting. 2nd Edition. Springer-Verlag, New York.
  24. Hessami, Kh., Jamali, F., and Tabassi, H. (2003) Map of Major Faults of Iran, scale; 1:2,500,000. International Institute of Earthquake Engineering and Seismology, Tehran, Iran [in Persian].

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار