دمج النظام الضبابي مع الشبكات العصبية الالتفافية والذاكرة طويلة المدى ثنائية الاتجاه للتنبؤ بالزلازل

يُعدّ التنبؤ بالزلازل أحد مجالات البحث الحيوية التي تتناول تحديات كبيرة مرتبطة بالاستعداد للكوارث والسلامة العامة. ويُشكّل عدم اليقين المتعلق بتوقيت الزلزال وموقعه وتفاصيله المشكلة الرئيسية، مما يؤدي عادةً إلى استجابات غير كافية. تهدف هذه الدراسة إلى تحسين دقة التنبؤات وتخفيف عدم اليقين من خلال تطوير نموذج جديد باستخدام تقنيات التعلّم الآلي المتقدمة. يستخدم النهج المقترح شبكات الذاكرة طويلة المدى ثنائية الاتجاه (BiLSTM) لتحليل البيانات الزمنية، وشبكات عصبية التفافية (CNN) لتحليل البيانات المكانية، مع تعزيزها بآلية انتباه لتحديد أولويات السمات المهمة، بالإضافة إلى نظام ضبابي لتحسين دقة التنبؤ. تم استخدام مجموعة بيانات تضم 11442 زلزالًا، بالإضافة إلى أساليب معالجة البيانات المسبقة، لتحسين تدريب النموذج وأدائه. أظهرت النتائج تحسناً في دقة التنبؤ، حيث بلغ متوسط ​​الخطأ المطلق (MAE) 0.015، وقيمة جذر متوسط ​​مربع الخطأ (RMSE) 0.020، وقيمة R² 0.880، وهي قيمة ذات دلالة إحصائية. يشير هذا إلى أن النظام يفسر 88% من التباين. وهذا يدل على فعالية النظام في التعامل مع عدم اليقين وتوفير بيانات مهمة لإدارة المخاطر والتنبؤ بالزلازل.