یکی از مراحل مهم و بنیادی در مطالعات زلزله‌شناسی، پردازش داده‌های فراهم شده توسط شبکه‌های لرزه‌نگاری است. پردازش اولیه‌ی این داده‌ها شامل تشخیص و استخراج سیگنال زلزله، تعیین زمان رسید فازهای اصلی، تعیین بزرگا و پارامترهای کانونی رویداد زلزله و در صورت نیاز اطلاع رسانی است. با توجه به گسترش شبکه‌های لرزه‌نگاری در جهان و همچنین کشورمان و افزایش روزافزون حجم داده‌های ثبت شده، استفاده از روش‌های خودکار در پردازش داده‌ها از اهمیت بالایی برخوردار است. از این رو در این رساله روش‌های رایج در زمینه‌ی پردازش خودکار داده‌های لرزه‌ای مورد مطالعه قرار گرفته‌اند و روش‌های جدیدی در زمینه‌ی تشخیص سیگنال زلزله بر داده‌های پیوسته و تعیین زمان رسید فازهای P و S به صورت خودکار ارائه شده است. در روش‌های جدید ارائه شده برای تشخیص رویداد و فاز P از تبدیلات زمان- فرکانس همچون تبدیل فوریه‌ی پنجره‌ای و تبدیلات موجک به صورت گسسته و پیوسته استفاده شده است. تبدیلات زمان فرکانس امکان مطالعه‌ی تغییرات محتوای فرکانسی سیگنال را با زمان فراهم می‌سازند. با استفاده از آنالیز موجک ویژگی‌های سیگنال در هر مقیاس با موجکی که از نظر گسترش زمانی و باند فرکانسی متناسب با آن است، مورد بررسی قرار می‌گیرد. برای تشخیص فاز S از بزرگ‌ترین مقدار ویژه‌ی ماتریس کوواریانس در حوزه‌ی زمان استفاده شده است. در این رساله روش‌هایی برای تشخیص خودکار رویداد زلزله بر لرزه‌نگاشت پیوسته ارائه شده است. در روش اول از تبدیل فوریه‌ی پنجره‌ای برای بررسی تغییرات زمانی انرژی طیفی محلی لرزه‌نگاشت استفاده شده است، در حالی‌که در روش دوم، روش رایج بررسی نسبت میانگین سیگنال در پنجره‌ی کوتاه دوره (STA) به میانگین سیگنال در پنجره‌ی بلند دوره (LTA) روی ضرایب موجک گسسته در مقیاس‌های مختلف اعمال شده است. با به کار گیری هر کدام از این روش‌ها تعداد اعلان‌های اشتباه به میزان چشم‌گیری کاهش می‌یابد و همچنین امکان استخراج گستره‌ی وسیعی از رویدادها از نظر بزرگا فراهم می‌شود. هدف از ارائه‌ی این روش‌ها، نشان دادن قابلیت ارزنده‌ی تبدیلات فوریه‌ی پنجره‌ای و تبدیل موجک در تشخیص رویداد زلزله، به منظور افزایش تعداد تشخیص‌های درست و کم کردن تعداد اعلان‌های اشتباه، نسبت به روش‌های مرسوم در حوزه‌ی زمان است. این امر با مقایسه‌ی عملکرد الگوریتم‌های ارائه شده با خروجی الگوریتم تشخیص خودکار رویداد در حوزه‌ی زمان، و همچنین نتیجه‌ی بررسی دستی توسط یک کارشناس انجام شده است. این مقایسه بر کارایی الگوریتم‌های تشخیص خودکار ارائه شده، دلالت دارد. برای تشخیص خودکار فاز P از تابع پوش چند مقیاسی سیگنال که از ضرایب تبدیل موجک پیوسته به دست آمده است به عنوان تابع مشخصه استفاده شده است. با به کاربردن چند قانون ساده، زمان رسید فاز با دقت بالا روی تابع مشخصه، به طور خودکار تعیین شده است. نتایج به دست آمده علاوه بر اینکه با روش‌های مطرح و دقیق تشخیص خودکار فاز مورد مقایسه قرار گرفته است، با فازهای تعیین شده به صورت دستی نیز ارزیابی شده است. که نتایج این ارزیابی‌ها به دقت و کارایی روش ارائه شده تاکید دارد.
توسعه روش های خودکار تشخیص فازهای P و S رویدادهای لرزه ای/کرم زاده طولارود نسیم
/توسط Arash Eslamiیکی از مراحل مهم و بنیادی در مطالعات زلزله‌شناسی، پردازش داده‌های فراهم شده توسط شبکه‌های لرزه‌نگاری است. پردازش اولیه‌ی این داده‌ها شامل تشخیص و استخراج سیگنال زلزله، تعیین زمان رسید فازهای اصلی، تعیین بزرگا و پارامترهای کانونی رویداد زلزله و در صورت نیاز اطلاع رسانی است. با توجه به گسترش شبکه‌های لرزه‌نگاری در جهان و همچنین کشورمان و افزایش روزافزون حجم داده‌های ثبت شده، استفاده از روش‌های خودکار در پردازش داده‌ها از اهمیت بالایی برخوردار است. از این رو در این رساله روش‌های رایج در زمینه‌ی پردازش خودکار داده‌های لرزه‌ای مورد مطالعه قرار گرفته‌اند و روش‌های جدیدی در زمینه‌ی تشخیص سیگنال زلزله بر داده‌های پیوسته و تعیین زمان رسید فازهای P و S به صورت خودکار ارائه شده است. در روش‌های جدید ارائه شده برای تشخیص رویداد و فاز P از تبدیلات زمان- فرکانس همچون تبدیل فوریه‌ی پنجره‌ای و تبدیلات موجک به صورت گسسته و پیوسته استفاده شده است. تبدیلات زمان فرکانس امکان مطالعه‌ی تغییرات محتوای فرکانسی سیگنال را با زمان فراهم می‌سازند. با استفاده از آنالیز موجک ویژگی‌های سیگنال در هر مقیاس با موجکی که از نظر گسترش زمانی و باند فرکانسی متناسب با آن است، مورد بررسی قرار می‌گیرد. برای تشخیص فاز S از بزرگ‌ترین مقدار ویژه‌ی ماتریس کوواریانس در حوزه‌ی زمان استفاده شده است. در این رساله روش‌هایی برای تشخیص خودکار رویداد زلزله بر لرزه‌نگاشت پیوسته ارائه شده است. در روش اول از تبدیل فوریه‌ی پنجره‌ای برای بررسی تغییرات زمانی انرژی طیفی محلی لرزه‌نگاشت استفاده شده است، در حالی‌که در روش دوم، روش رایج بررسی نسبت میانگین سیگنال در پنجره‌ی کوتاه دوره (STA) به میانگین سیگنال در پنجره‌ی بلند دوره (LTA) روی ضرایب موجک گسسته در مقیاس‌های مختلف اعمال شده است. با به کار گیری هر کدام از این روش‌ها تعداد اعلان‌های اشتباه به میزان چشم‌گیری کاهش می‌یابد و همچنین امکان استخراج گستره‌ی وسیعی از رویدادها از نظر بزرگا فراهم می‌شود. هدف از ارائه‌ی این روش‌ها، نشان دادن قابلیت ارزنده‌ی تبدیلات فوریه‌ی پنجره‌ای و تبدیل موجک در تشخیص رویداد زلزله، به منظور افزایش تعداد تشخیص‌های درست و کم کردن تعداد اعلان‌های اشتباه، نسبت به روش‌های مرسوم در حوزه‌ی زمان است. این امر با مقایسه‌ی عملکرد الگوریتم‌های ارائه شده با خروجی الگوریتم تشخیص خودکار رویداد در حوزه‌ی زمان، و همچنین نتیجه‌ی بررسی دستی توسط یک کارشناس انجام شده است. این مقایسه بر کارایی الگوریتم‌های تشخیص خودکار ارائه شده، دلالت دارد. برای تشخیص خودکار فاز P از تابع پوش چند مقیاسی سیگنال که از ضرایب تبدیل موجک پیوسته به دست آمده است به عنوان تابع مشخصه استفاده شده است. با به کاربردن چند قانون ساده، زمان رسید فاز با دقت بالا روی تابع مشخصه، به طور خودکار تعیین شده است. نتایج به دست آمده علاوه بر اینکه با روش‌های مطرح و دقیق تشخیص خودکار فاز مورد مقایسه قرار گرفته است، با فازهای تعیین شده به صورت دستی نیز ارزیابی شده است. که نتایج این ارزیابی‌ها به دقت و کارایی روش ارائه شده تاکید دارد.