التنبؤ بموقع الزلازل باستخدام نهج الشبكات العصبية الالتفافية المدمجة بآلية الانتباه

يُعدّ التنبؤ بالزلازل أمرًا حيويًا للحد من الأضرار المحتملة والحفاظ على الأرواح في المناطق النشطة زلزاليًا. ومع ذلك، فإن تحقيق توقعات دقيقة يُعدّ أمرًا معقدًا نظرًا للطبيعة المركبة وغير المتوقعة للأحداث الزلزالية.تُقدم هذه الدراسة المتقدمة نهجًا متطورًا للتنبؤ لمعالجة هذه المشكلات، يجمع بين الشبكات العصبية الالتفافية (CNNs) وآلية الانتباه (Attention Mechanism - AM). ويتمثل الهدف الرئيسي في تحسين دقة التنبؤ بالزلازل وإمكانية تعميم النموذج عبر مختلف المناطق في البر الرئيسي الصيني.تُستخدم شبكات (CNN) لاستخراج الخصائص المكانية (Spatial Features) للبيانات الزلزالية، بينما تعمل طبقة آلية الانتباه (AM) على التركيز على الميزات ذات الأهمية العالية للارتقاء بأداء التنبؤ.تم تقييم كفاءة وفاعلية النهج المقترح من خلال مقارنته بالعديد من النماذج الشائعة والمعروفة. وأظهرت النتائج أن النهج المقترح حقق أداءً أفضل وبشكل مستمر مقارنة بالنماذج الأخرى عبر تسع مناطق مختلفة، حيث سجل انخفاضًا في جذر متوسط مربع الخطأ (RMSE) ومتوسط الخطأ المطلق (MAE)، بالإضافة إلى تسجيل قيم أعلى لـ معامل التحديد ($R^2$)، ولا سيما في المناطق ذات التباين الزلزالي الكبير.علاوة على ذلك، تفوق النهج المقترح على التقنيات التقليدية في "المنطقة الأولى"، محققًا قيمة RMSE = 0.020، وMAE = 0.015، وقيمة R^2 = 0.960.يُقدم هذا النهج الشامل مسارًا واعدًا للتنبؤ بالزلازل في المناطق العرضة للأحداث الزلزالية، مما يعزز الاستعداد وطرق إدارة المخاطر.