<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Engineering Geology</title>
<title_fa>نشریه زمین شناسی مهندسی</title_fa>
<short_title>Journal of Engineering Geology</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jeg.khu.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2228-6837</journal_id_issn>
<journal_id_issn_online>2981-1600</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.22034</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1391</year>
	<month>8</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2012</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<volume>6</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی</title_fa>
	<title>Statistical Prediction of Probabilistic Earthquake Hazard Zonation whit Artificial Neural Networks</title>
	<subject_fa>ژئوفیزیک مهندسی</subject_fa>
	<subject>Engineering Geophysics</subject>
	<content_type_fa>مطالعه موردی</content_type_fa>
	<content_type>Case-Study</content_type>
	<abstract_fa>پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید قرار نگرفته است. در مورد پیش‌بینی بزرگی زلزله، بررسی‌های  گسترده‌ای انجام شده است، ولی در زمینۀ پهنه‌بندی مکان رخداد زلزله احتمالی هنوز هیچ پژوهشی صورت نگرفته است. در این پژوهش  با استفاده از شبکه‌های عصبی مصنوعی خود سازمان یافته، در استان‌های سمنان و قم، مکان‌هایی که احتمال رخداد زلزله آتی وجود دارد، پیش‌بینی شده است. شبکه‌های عصبی مصنوعی انتخاب شده در این تحقیق، با دریافت الگوهای ورودی قادر به استخراج مشخصات الگوهای پیچیده­ای از داده‌های ورودی(کاتالوگ زمین لرزه­ها) است. سپس با پژوهش‌های آماری انجام شده، نقشۀ پهنه‌بندی مکان زلزله احتمالی ترسیم شده است. برای انجام این کار مشخصات زلزله‌های رخ داده بین سال‌های 1903 تا 2012 در استان‌های مورد نظر از پایگاه‌های مختلف لرزه‌ای جمع‌آوری شد. با توجه به نقشه‌های به‌دست آمده، بیش‌ترین احتمال وقوع زلزله در استان قم، در منطقۀ مرکزی این استان با احتمال 6/31 درصد و در استان سمنان در محدودۀ شمالی این استان با احتمال 9/28 درصد پیش‌بینی شده است.</abstract_fa>
	<abstract>Prediction of location of future earthquakes with event probability is useful in reduction of earthquake hazard. Determination of predicted locations has attracted more attention to design, seismic rehabilitation and reliability of structures in these sites. Many theories were proposed in the prediction of time of occurrence of earthquake. There is not a method for prediction time of future earthquakes. Many studies have been done in the prediction of magnitude of earthquakes, but there are not any investigations on prediction of earthquake hazard zonation. In this study, the locations that have probability of the event of future earthquake have been predicted by artificial neural networks in Qum and Semnan. Neural networks used in this study can extract to complicate properties of patterns by receipting the interval patterns. Furthermore, the map of earthquake hazard zonation has been drawn. Properties of occurred earthquake were collected since 1903. The most probable event of earthquake in Qum has been predicted 31.6% in center, and 28.9% in north of Semnan</abstract>
	<keyword_fa>پیشبینی زلزله , نقشه پهنه بندی , خطر زلزله , شبکه عصبی مصنوعی , مطالعات آماری , </keyword_fa>
	<keyword>earthquake prediction , zonation map , earthquake hazard , Artificial Neural Networks , statistical studies , </keyword>
	<start_page>1429</start_page>
	<end_page>1444</end_page>
	<web_url>http://jeg.khu.ac.ir/browse.php?a_code=A-10-293-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>عباس</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>سیوندی پور</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>abbas.sivandi@gmail.com</email>
	<code>1003194753284600291</code>
	<orcid>1003194753284600291</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>محسن</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>گرامی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mgerami@semnan.ac.ir</email>
	<code>1003194753284600292</code>
	<orcid>1003194753284600292</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>هادی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>تقدیسی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>hadi.taghdisi@gmail.com</email>
	<code>1003194753284600293</code>
	<orcid>1003194753284600293</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
