A fuzzy expert system for automatic seismic signal classification

طبقه بندی اتوماتیک وقایع لرزه ای از اهمیت زیادی برخوردار است زیرا مقدار زیادی از اطلاعات به طور مداوم دریافت می شود. تحلیلگران لرزه ای وقایع را با بازبینی بصری و محاسبه ویژگی های سیگنال رویداد طبقه بندی می کنند. این فرایند ذهنی است و مستلزم کار سخت و همچنین مقدار قابل توجهی از زمان و تجربه قابل توجه است. یک کارآزمایی طبقه بندی قابل اعتماد به میزان قابل توجهی تلاش لازم را کاهش می دهد و طبقه بندی را سریع تر و بیشتر هدفمند می کند. هدف از این مطالعه توسعه یک سیستم طبقه بندی متخصصی مبتنی بر قوانین فازی است که قادر به تقلید استدلال های انسانی است و دانش تحلیلگر را در مورد طبقه بندی رویدادهای لرزه ای ترکیب می کند. ایده اساسی در استفاده از این روش توسط روش تحلیلگران انسانی طبقه بندی وقایع لرزه ای بر اساس مجموعه ای از قوانین تجربی است. علاوه بر این، این روش به دلیل تفسیرپذیری و قابلیت تنظیم آن، و همچنین توانایی آن برای مدیریت پیچیدگی داده های واقعی انتخاب شده است. از ویژگی های تبعیض آمیز مربوطه از سیگنال رویداد استخراج می شود. با استفاده از این ویژگی ها، سیستم طبقه بندی بر اساس رای گیری از روش استدلال فازی چندگانه با سه نوع قاعده ساخته شد. مقایسه این روش با مدل استدلال فازی کلاسیک تک نفره انجام شده است. نتایج طبقه بندی در داده های لرزه ای واقعی نشان دهنده استحکام طبقه بندی کننده و توانایی آن در طبقه بندی آنلاین بود.