چکیده فارسی :

بلای طبیعی عبارت از اثر یک خطر طبیعی می باشد ( مثلا سیل، توفان پیچنده، تندباد، فوران آتشفشانی ، زمین لرزه، موج گرما یا لغزش زمین).زمین لرزه ، لغزش زمین ، سونامی و آتشفشان ، پدیده های فیزیکی پیچیده هستند که به خسارات مالی ، محیطی یا جانی می انجامند. پیش بینی چنین بلایای زمین شناختی ضرورت عصر حاضر می باشد . علاوه بر این ، پیش بینی این بلایا، فرایند پیچیده ای است که به پارامترهای متعدد فیزیکی و محیطی بستگی دارد. بر اساس تجزیه و تحلیل علمی و آماری، روش های زیادی در این مقاله وجود دارد. تکنیک های داده کاوی را نیز می توان برای پیش بینی این خطرات طبیعی به کار برد. این مقاله، بررسی کاربرد داده کاوی در پیش بینی بلایای طبیعی زمین شناختی را ارائه کرده است. 16 عنوان مجله ای پیرامون این موضوع که بین سال های 1989 و 2011 منتشر شده، مورد تجزیه و تحلیل قرار گرفته است. تکنیک های اصلی داده کاوی مورد استفاده برای پیش بینی زمین لرزه عبارتند از مدل های منطقی، شبکه های عصبی ، شبکه باور بیزی و درخت تصمیم گیری که همه آن ها راه حل های اولیه مسائل مربوط به پیش بینی زمین لرزه ، سونامی ها، لغزش زمین و دیگر فعالیت های ریز لرزه ای را فراهم می سازند. هدف این مقاله همچنین ترویج پژوهش بیشتر پیرامون عناوین مذکور و نتیجه گیری با چند پیشنهاد برای تحقیق آتی می باشد.

چکیده انگلیسی :

A natural disaster is the effect of a natural hazard (e.g., flood, tornado, hurricane, volcanic eruption, earthquake, heatwave, or landslide). Earthquakes, landslides, tsunamis and volcanos are complex physical phenomenon that leads to financial, environmental or human losses. Prediction of such geological disasters is the need of the day. Also, prediction of these disasters is a complex process that depends on many physical and environmental parameters. Many approaches exist in the literature based on scientific and statistical analysis. Data mining techniques can also be used for prediction of these natural hazards. This paper presents a review of application of data mining in the prediction of natural geological calamities. 16 journal articles on the subject published between 1989 and 2011 was analyzed. The main data mining techniques used for earthquake prediction are logistic models, neural networks, the Bayesian belief network, and decision trees, all of which provide primary solutions to the problems inherent in the prediction of earthquakes, tsunamis, landslides and other micro seismic activities. This paper also aims to encourage additional research on topics, and concludes with several suggestions for further research.