این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فیزیک زمین و فضا، جلد ۵۱، شماره ۲، صفحات ۳۳۹-۳۵۲
عنوان فارسی ارزیابی روند مهاجرت لرزه‌ای قبل از فوران آتشفشان با استفاده از روش اصلاح‌شده SARA
چکیده فارسی مقاله فوران‌های آتشفشانی یکی از پدیده‌های طبیعی و خطرناک هستند. پیش‌بینی این فوران‌ها، به‌دلیل پیچیدگی‌های ذاتی فعالیت‌ آنها و نیز عدم‌قطعیت‌ موجود در داده‌ها، چالش‌برانگیز است. اگرچه با استفاده از روش تحلیل نسبت دامنه امواج لرزه‌ای می‌توان روند مهاجرت ماگما را با استناد به تحلیل پیوسته داده‌های ثبت شده در ایستگاه‌های مختلف شبکه، تشخیص داد، ولی همچنان تشخیص بصری و کیفی زمان شروع ناهنجاری‌ها، یکی از محدودیت‌های این روش می‌باشد. در این مطالعه با استفاده از الگوریتم تشخیص زمان شروع ناهنجاری بر مبنای تحلیل تجزیه روند فصلی، روش تعمیم‌یافته‌ای معرفی شده است که این الگوریتم خودکار می‌تواند زمان شروع تغییرات در نسبت دامنه‌های لرزه‌ای و همچنین فراوانی این ناهنجاری‌ها را به‌عنوان پیش‌نشانگری برای وقوع فوران تعیین کند. در این تحقیق، روش اصلاح‌شده بر روی داده‌های لرزه‌ای آتشفشان اتنا در یک بازه‌زمانی 5ساله، آزمایش شد و الگوی فعالیت‌های لرزه‌ای قبل از وقوع فوران‌ها با موفقیت شناسایی شد. نتایج ارزیابی نشان می‌دهد که عملکرد مدل اصلاح‌شده بر اساس معیارهای خطای میانگین مربعات، جذر میانگین مربعات، میانگین قدرمطلق خطا، نسبت به مدل اولیه بهبود یافته است و افزایش 30 درصدی در ضریب تشخیص R2 نیز نشانه قدرت برازش بالای مدل معرفی‌شده می‌باشد. با توجه به سرعت و کارایی این روش و عدم‌نیاز آن به ابزارهای پیچیده، می‌تواند جایگزین مناسبی برای روش‌های سنتی باشد.
کلیدواژه‌های فارسی مقاله فوران آتشفشان‌،مهاجرت لرزه‌ای،تجزیه روند فصلی،تحلیل نسبت دامنه امواج لرزه‌ای،
عنوان انگلیسی Evaluation of seismic migration process before volcanic eruption using modified SARA method
چکیده انگلیسی مقاله Volcanic eruptions represent significant natural hazards, posing considerable risks to both the environment and human populations. Accurate prediction of these events remains a complex challenge due to the inherent intricacies of volcanic systems and the uncertainties inherent in their monitoring data. Traditional methods for analyzing seismic activity often necessitate the identification of seismic phases, a process that can be both time-intensive and subject to interpretation errors.
This study presents an advanced approach to the seismic monitoring utilizing Seismic Amplitude Ratio Analysis (SARA), a technique designed to infer seismic activity patterns through the examination of amplitude variations in continuous seismic data recorded across a network of stations. SARA obviates the requirement for phase identification, thereby enhancing the efficiency of volcanic activity monitoring. However, a primary limitation of SARA lies in its reliance on visual and qualitative assessment for determining the onset time and trends of amplitude ratio changes, potentially compromising precision, particularly in cases of subtle variations or low signal-to-noise ratios. To mitigate the effects of these limitations, an enhanced methodology termed Automatic Seismic Amplitude Ratio Analysis (ASARA) has been introduced. This approach leverages a time series of amplitude ratios from all station pairs and incorporates Seasonal Trend Decomposition using Loess (STL) to establish an automated anomaly detection system. ASARA offers the capability to automatically identify the onset time of changes in seismic amplitude ratios and the frequency of these anomalies, thus providing a more robust and quantitative analytical framework. A sudden increase in seismic amplitude ratios across multiple stations suggests a shift in the location of the seismic source and the migratory behavior of seismicity, which can serve as a precursor to volcanic eruptions. This method was applied to seismic data acquired from Mount Etna over a five-year period. Through the analysis of observed anomalies in amplitude ratios, the patterns of seismic activity were successfully identified and the magma migration pathway leading up to an eruption was traced. Findings indicate that an increase in seismic amplitude ratios at specific frequencies is strongly correlated with the movement of magma and the increase in pressure within the volcanic system. These changes were interpreted as evidence of seismic migration toward the surface, indicative of impending volcanic activity. Furthermore, our analyses demonstrate that the refined ASARA method exhibits a high degree of effectiveness in detecting early warning signs of volcanic unrest and forecasting the potential timing of eruptions. This study underscores the potential of ASARA as a valuable tool for enhancing the accuracy and reliability of volcanic eruption forecasts. By automating the detection of seismic anomalies and providing quantitative insights into magma dynamics, ASARA represents a significant advancement in volcanic monitoring and hazard mitigation efforts.
The evaluation results using error metrics including mean square error (MSE), root mean square error (RMSE), mean absolute error (MAE), and coefficient of determination (R2) show that the accuracy of the modified model is improved compared to the original model. Finally, a modified model was introduced to evaluate the pre-eruption seismic migration process for continuous monitoring and surveillance of volcanoes. Considering its advantages and results, this model can serve as a suitable alternative approach, especially in volcanic environments with sparse seismic station distribution, where conventional monitoring infrastructure is limited (Rasaneh et al., 2022).
کلیدواژه‌های انگلیسی مقاله فوران آتشفشان‌,مهاجرت لرزه‌ای,تجزیه روند فصلی,تحلیل نسبت دامنه امواج لرزه‌ای
نویسندگان مقاله غزاله رسانه |
گروه فیزیک، واحد فلاورجان، دانشگاه آزاد اسلامی، اصفهان، ایران.

علیرضا حاجیان |
گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.

مریم هدهدی |
گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.

روح الله کیمیایی فر |
گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.

نشانی اینترنتی https://jesphys.ut.ac.ir/article_102930_c415d491d55d036c3832f43ae9875853.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات