عنوان پایان‌نامه
تشخیص انو مالی های مرتبط با وقوع زلزله های بزرگ در سریهای زمانی TEC LSTماهواره ای با استفاده از روش های تقریب سمبو لیک
- رشته تحصیلی
- مهندسی عمران- نقشه برداری- سنجش ازدور
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2673;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63829
- تاریخ دفاع
- ۲۵ مرداد ۱۳۹۳
- دانشجو
- میلاد آقامحمدنیا
- استاد راهنما
- محمدرضا سراجیان مارالان, مهدی آخوندزاده هنزائی
- چکیده
- با پیشرفت همه جانبه‌ی تکنولوژی و افزایش سرعت محاسباتی رایانه ها، مطالعه‌ی پیش‌نشانگرهای زلزله در دهه‌های اخیر مورد توجه محققان بسیاری قرار گرفته است. در این راستا روش های مختلفی پیشنهاد و بررسی گردیده است. از جمله پیش نشانگر‌های موثر و کارا در این حوزه، استفاده از داده‌های سری‌زمانی یونسفری و دمای سطح زمین می باشد که در مطالعات متعددی توانمندی بالقوه‌ی آنها نشان داده شده است. هدف در تحلیل این داده‌های سری‌زمانی، تشخیص آنومالی هایی است که ممکن است نشانه‌ای از وقوع زلزله ی بزرگ پیشرو باشند. این در حالیست که تا به حال پژوهشگران در باب استفاده از روشی مناسب جهت تشخیص آنومالی در این داده‌ها به اتفاق نظر جامعی نرسیده‌اند و مجموعه‌ی این روش ها دارای تنوع زیادی هستند. در این پایان‌نامه هدف ارائه‌ی یک روش تشخیص آنومالی مبتنی بر تحلیل داده‌های تقریب سمبولیک شده‌ی سری‌های‌زمانی داده‌های یونسفری و دمایی سطح زمین است. در این روش نگاه متفاوتی به مساله‌ی کشف آنومالی شده است که بیشتر بر روی تکرار الگوها در سری‌زمانی متمرکز بوده و از نتایج تشخیص آنومالی مستخرج از روش های مبتنی بر دامنه‌ی سری زمانی متفاوت می‌باشد. از تکنیک تقریب سمبولیک در حوزه‌های بررسی داده‌های پایش پیوسته‌ی پزشکی و امنیت شبکه استفاده زیادی شده است و نتایج مطلوبی نیز به دست آمده است. داده های مورد استفاده در این پایان‌نامه شامل داده‌های یونسفری TEC و دمای سطح زمین است که در 3 مورد مطالعاتی هر دو نوع داده و در 6 مورد فقط داده‌های TEC تحلیل شده‌اند. این زلزله‌ها همگی بزرگای بالاتر از 6 ریشتر را دارا بوده‌اند. محل وقوع و زمان این زلزله ها دارای پراکندگی مناسبی هستند که محل رخداد 3 مورد از آنها در ایران می‌باشند. در این پایان‌نامه ابتدا مقدمه‌ای از ضرورت تحلیل پیش‌نشانگرهای زلزله و پیشینه‌ی آن، مجموعه مطالعات انجام گرفته در مبحث تشخیص آنومالی و جزییات روش پیشنهادی در مطالعه پیشرو و به دنبال آن نتایج پیاده سازی الگوریتم بر روی داده های ماهواره‌ای ارائه می گردند و نهایتا با بخش نتیجه گیری، پیشنهادات و منابع پایان می یابد. کلمات کلیدی: تشخیص آنومالی، پیش‌نشانگر زلزله، تحلیل تقریب سمبولیک، سنجش‌از‌دور.
- Abstract
- This Thesis attempts to provide a structured method of the symbolic aggregation approximation (SAX) along with aid of bag of words (BoW) technique for the problem of detecting anomalies in TEC and LST time series data before impending strong earthquakes. We introduce the new problem of finding time series discords. Time series discords are subsequences of a longer time series that are maximally different to all the rest of the time series subsequences. They thus capture the sense of the most unusual subsequence within a time series. The objective is to provide a global understanding of the sequence anomaly detection problem and how using a discrete anomaly detection method benefits us. The key contribution of this survey is the vision it has towards finding anomalies in an application of which not many researches have been done. The main steps are: i) Identifying an anomalous subsequence within a long sequence; and ii) identifying a pattern in a sequence whose frequency of occurrence is anomalous. The results of this analysis are shown. Within the problem formulation, we group techniques into categories based on the nature of the underlying algorithm. For each category, we provide a different anomaly detection technique, and show how results get more reliable in the presence of multitude of approaches. We also provide a discussion of relative strengths and weaknesses of different techniques. We process nine case studies worldwide, regarding TEC and three case studies in Iran regarding LST data. The results show the strengths of this algorithm confidently. Keywords: Anomaly Detection – EQ Precursors – SAX - Remote Sensing
