Beynəlxalq elmi jurnal

ISSN: 2663-0419 (elektron versiya)

ISSN: 2218-8754 (çap versiyası)

Beynəlxalq elmi jurnal

ISSN: 2663-0419 (elektron versiya)

ISSN: 2218-8754 (çap versiyası)

contentImg
SCImago Journal & Country Rank
№ 1, 2026
Məqaləni yüklə fullIssue_icon

Seysmik proseslərin təsviri üçün güclü yer hərəkəti parametrlərinin modelləşdirilməsi və süni intellekt alqoritmləri

Bayramov A.A.¹*, Yetirmişli Q.C.¹, Babayev Q.R.²*, Hacıyev N.E.², Abusəlimov N.G.², Əliyev M.M.²

¹ Respublika Seysmoloji Xidmət Mərkəzi, Azərbaycan Milli Elmlər Akademiyası, Azərbaycan AZ1001, Bakı, N.Rəfibəyli küç., 25

² Azərbaycan Respublikasının Elm və Təhsil Nazirliyi, Geologiya və Geofizika İnstitutu, Azərbaycan AZ1073, Bakı, H. Cavid prosp., 119

*Yazışmalara məsul: babayev74@gmail.com, azad.bayramov@yahoo.com


DOI: 10.33677/ggianas20260100161


 

Xülasə

A-
A+


Seysmik təsirlər altında güclü yer hərəkətlərinin parametrlərinin modelləşdirilməsində istifadə olunan riyazi və geofiziki prinsiplərin sistemli təhlili aparılmışdır. Diqqət seysmik prosesin əsas xüsusiyyətlərindən biri üzərindədir: zəlzələ intensivliyinin ən mühüm göstəricisi olan maksimum yer sürətlənməsi. Tədqiqatın metodoloji əsası seysmik təsir parametrlərinin mənbənin ilkin xüsusiyyətlərindən, hiposentral məsafədən və ətraf mühitin geofiziki şərtlərindən asılılığını rəsmiləşdirməyə imkan verən yer hərəkətinin median modellərinin təhlilinə əsaslanır. Tədqiqatın geofiziki konteksti litosferin strukturunu, yer qabığının sürət bölmələrinin heterojenliyini, seysmik dalğaların yayılmasının xüsusiyyətlərini və yerli geoloji şəraitin rəqslərin amplituda-tezlik xüsusiyyətlərinə təsirini əhatə edir. Bu amillər proqnoz tənliklərinin formasını və yer hərəkətinin təhlilində istifadə olunan modellərin parametrlərini müəyyən edir. Hərəkət parametrlərinin təbii dəyişkənliyini əks etdirən aleator qeyri-müəyyənlik modelləri nəzərdən keçirilir ki, bu da parametrləşdirmənin düzgünlüyünü və müşahidə məlumatlarının statistik səpələnməsini nəzərə almaq imkanını təmin edir. Güclü hərəkət ssenarilərinin ehtimal paylanmasının təkrar istehsalına imkan verən stoxastik modelləşdirməyə xüsusi diqqət yetirilir. Stokastik alqoritmlərin istifadəsi həm tipik, həm də nadir ekstremal hadisələrin əhatə olunmasını təmin edir ki, bu da seysmik təhlükənin qiymətləndirilməsi üçün əsasdır. Tədqiqatın məqsədi nəticələrin etibarlılıq, etibarlılıq və təkrar istehsal meyarlarına cavab verən riyazi və geofiziki cəhətdən təsdiqlənmiş modellərin və süni intellekt alqoritmlərinin seçilməsi və tətbiqi üçün tövsiyələr hazırlamaq idi. Müxtəlif yanaşmaların müqayisəli təhlili bizə onların güclü və zəif tərəflərini müəyyən etməyə, həmçinin praktiki tətbiq üçün optimal sahələri müəyyən etməyə imkan verdi. Praktiki əhəmiyyəti ondan ibarətdir ki, düzgün seçilmiş və geofiziki cəhətdən əsaslandırılmış modellər seysmik təsir parametrlərinin proqnozlaşdırılmasında artan dəqiqliyi və bina və tikililərin layihələn­diril­məsində mühəndis hesablamalarının optimallaşdırılmasını təmin edir.


Açar sözlər
: zəlzələ, güclü yer hərəkəti, maksimum yer sürəti, riyazi modelləşdirmə, orta modellər, stokastik modelləşdirmə, süni intellekt

 

ƏDABİYYƏT


Ancheta TD et al (2013) PEER NGA-West2 Database, PEER Report 2013-03. Pacific Earthquake Engineering Research Center, University of California, Berkeley, CA


Babayev G, Ismail-Zadeh A, Le Mouel J –L (2010) Scenario-based earthquake hazard and risk assessment for Baku (Azerbaijan). Nat. Hazards Earth Systems Science 10(12):2697–2712. https://doi.org/10.5194/nhess-10-2697-2010


Babayev G and Telesca L (2014) Strong motion scenario of 25th November 2000 earthquake for Absheron peninsula (Azerbaijan). Journal of Natural Hazards 73:1647–1661, Springer Natural Link. https://doi.org/10.1007/s11069-014-1159-7


Babayev G, Kadirov F, Tibaldi A, Bonali F, Aliyev Y (2019) Dynamic triggering of mud volcanos in Azerbaijan by Caspian earthquakes. ANAS Transactions, Earth Sciences 2:47–53. https://doi.org/10.33677/ggianas20190200031


Babayev G, Telesca L, Agayeva S, Ismail-zade T, Muradi I, Aliyev Y, Aliyev M. (2020) Seismic hazard analysis for southern slope of the Greater Caucasus (Azerbaijan). Pure and Applied Geophysics 177(8):3747–3760. Springer Natural Link. https://doi.org/10.1007/s00024-020-02478-0


Babayev T, Babayev G, Irawan S, Bayramov E (2025b) Development of ANN-based data-driven ground motion model for Azerbaijan using temporal earthquake records of 2022–2024. Front Earth Si 13:1571640.  https://doi.org/10.3389/feart.2025.1571640


Babayev TH and Aliyev YN, Babayev GR (2025a) Clustering analysis of 100-year international seismic catalogue for Azerbaijan. Geology and Geophysics of Russian South 15(1):105–118. https://doi.org/10.46698/VNC.2025.99.31.009


Bayramov AA, Abdullayev FN, Suleymanov SS, Karimova RD, Safarov HN, Rzayev EA (2024) Multifactor model for seismological research. Seismoprognosis observations in the territory of Azerbaijan 26(2):28–33. https://doi.org/10.59849/2219-6641.2024.2.28


Boore DM and Atkinson GM (2008) Ground-motion prediction equations for the average horizontal component of PGA, PGV, and 5%-damped PSA at spectral periods between 0.01 s and 10.0 s. Earthquake Spectra 24(1):99–138. https://doi.org/10.1193/1.2830434


Campbell KW and Bozorgnia Y (2006) Next generation attenuation (NGA) empirical ground motion models: can they be used in Europe? Proceedings of the First European Conference on Earthquake Engineering and Seismology 458:01–10. Geneva, Switzerland


Campbell KW and Bozorgnia YN (2008) NGA Ground motion model for the geometric mean horizontal component of PGA, PGV, PGD and 5% damped linear elastic response spectra for periods ranging from 0.01 to 10 s. Earthquake Spectra 24(1):139–171. https://doi.org/10.1193/1.2857546


Chernov YuK, Chernov AYu, Chitishvili MI (2019) Models of strong ground motions for probabilistic detailed seismic zoning of the territory of North Ossetia-Alania. Part I. Geology and Geophysics of the South of Russia 9(2):95–108. https://doi.org/10.23671/VNC.2019.2.31980


Dhanya, J, Sagar D, Raghukanth STG (2019) Predictive models for ground motion parameters using artificial neural network. In: Rao A, Ramanjaneyulu K (eds) Recent Advances in Structural Engineering, vol. 2. Series: Lecture notes in civil engineering, vol 12. Springer, Singapore. https://doi.org/10.1007/978-981-13-0365-4_8


Khalid F and Razbin M (2024) Modeling peak ground acceleration for earthquake hazard safety evaluation. Scientific Reports 14(31032). https://doi.org/10.1038/s41598-024-82171-7


Liou IY and Abrahamson N (2025) Framework for aleatory variability and epistemic uncertainty for the Ground-Motion characterization based on the level of simplification. Bulletin of the Seismological Society of America 115(1):296–314. https://doi.org/10.1785/ 0120240141


Pavlenko VA and Pavlenko OV (2023) Stochastic modeling and development of an equation for predicting ground movements in the Baikal rift zone. Physics of the Earth 1:54–66. https://doi.org/10.31857/S0002333723010039 (in Russian)


Stafford PJ, Strasser FO, Bommer JJ (2008) An evaluation of the applicability of the NGA models to ground-motion prediction in the Euro-Mediterranean region. Bull. Earthquake Eng. 6(2):149–177.


Suleymanov S, Bayramov AA, Abdullayev FN (2025) Studing of seismic processes using AI technology. Current directions of development of information and communication technologies and control tools. Proceedings of 15-th International Scientific and Technical Conference 1(1):47, April 24–25 2025, Kharkiv. https://doi.org/10.32620/ICT.25.tl


 

DOI: 10.33677/ggianas20260100161