نوع مقاله : مقاله پژوهشی

نویسندگان

گروه فیزیک، دانشکده علوم، دانشگاه زنجان، زنجان

چکیده

بسیاری از پدیده­های طبیعی (زلزله، شراره‌های خورشیدی و سیگنال­های الکتریکی مغز) همانند یک سامانۀ پیچیده عمل می‌کنند. روش­های زیادی برای تحلیل و بررسی سامانه‌های پیچیده معرفی شده­اند، از جمله این روش­ها می­توان به تحلیل سری‌های زمانی، نظریۀ آشوب، جبر خطی و شبکه‌های پیچیده اشاره کرد. در این مقاله برای بررسی رفتار شبکۀ زلزله‌های ایران از 12 ژوئن 1900 تا 12 دسامبر 2015 از روش شبکه‌های پیچیده استفاده شده است. منطقۀ جغرافیایی ایران را با دو روش هیلپیکس و مربعی تقسیم­بندی کردیم. در روش شبکه­بندی هیلپیکس، منطقۀ مورد مطالعه به سلول­های لوزی-کروی و در روش شبکه‌بندی مربعی به سلول­های مربعی تقسیم­بندی شده و در هر دو روش، سلول­های ایجاده عرض جغرافیایی و مساحت­های یکسانی دارند. برای ساخت شبکه، اگر زلزله­ای در داخل یک سلول اتفاق بیفتد، این سلول تبدیل به گره می­شود و دو گره برای دو رویداد متوالی با یک یال به هم متصل می‌شوند. توان هرست محاسبه شده در این کار یک همبستگی زمانی طولانی درسری­های زمانی زلزله را نشان می‌دهد. بنابراین، سامانۀ زلزله یک سیستم خود سازمانده است. در این مقاله ما نشان دادیم از بین پنج ایالت لرزه زمین ساختی مهم ایران ( البرز- آذربایجان، کپه داغ، ایران مرکزی و شرق ایران، زاگرس و مکران) قطب­های شبکۀ زلزله ایران در منطقۀ زاگرس قرار دارند که از نظر لرزه­ای بسیار فعال است. رفتار توانی تابع توزیع احتمال با شبکۀ ساخته شده با روش هیلپیکس، ویژگی­های رفتار بدون مقیاس را نسبت به شبکه­ای که بر اساس سلول­های مربعی ساخته شده است، بهتر نشان می دهد. ماهیت توانی ضریب خوشه­بندی میانگین با شبکه­های ساخته شده با دو روش نشان می­دهند که شبکۀ زلزله ایران بدون مقیاس و غیرتصادفی است. با مقایسۀ نتایج بین دو روش می­توان دید که روش شبکه­بندی هیلپیکس روش بهتری برای ساخت شبکۀ زلزله است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

The role of the cell shapes on the characteristics of a complex earthquake network

نویسندگان [English]

  • Nazila Asaadi
  • Edris Khodakarami
  • Somaye Taran
  • Hossein Safari
  • Bardia Kaki

Department of Physics, Faculty of Science, University of Zanjan, P. O. Box45195-313, Zanjan, Iran

چکیده [English]

We studied the behavior of the earthquake network using the HEALPix spherical pixelization and square cells methods. In the first method, the geographical region is divided into isolatitude rhombic-spherical cells of the same areas using the HEALPix method. In the second method, we divided the geographical region into isolatitude equal areas of the square cells. To construct a network, if an earthquake happens in a cell, that cell will become a node, and two nodes will be connected with an edge for two successive events. The earthquake network is built from Iran’s seismic data from 1900 June 12 to 2015 December 12. We determined the Hurst exponent (H = 0.6) due to the rescaled range (R/S) analysis. This value reveals a long temporal correlation in earthquake time-series; therefore, the earthquake system is suggested to be self-organized. We showed that among the five major seismotectonic provinces of Iran (Alborz-Azarbayejan, Kope Dagh, Central-East Iran, Zagros, and Makran), the earthquake network hubs are located in the Zagros region, which is a seismically very active region. According to this result, the Zagros earthquakes affect the surrounding earthquakes. The probability distribution function’s power-law behavior with a network built in the pixelization rhombic-spherical cells shows scale free behavior’s properties than a network constructed based on the square cells. The mean clustering coefficient’s power-law nature with networks built using two methods shows that the earthquake network is scale-free and non-random. We concluded that the rhombic-spherical cell pixelization is a more reliable method for building the large geographical region’s earthquake network.

کلیدواژه‌ها [English]

  • complex network
  • earthquake
  • HEALpix method
  • square cell method
  1. M Berberian and S Arshadi, The Geological Survey and Mineral Exploration of Iran 39 (1976) 397.
  2. M Berberian, “Zagros Hindu Kush Himalaya Geodynamic Evolution” Geodynamics Series (1981).
  3. F Kamranzad, H Memarian, and M Zare, ISPRS International Journal of Geo-Information 9 (2020) 430.
  4. F Berberian, et al., Journal of the Geological Society 139 (1982) 6
  5. M A Khanban, et al., Journal of Geodynamics 143 (2021) 101812.
  6. T Shirzad, M A Riahi, and M S Assumpção, Scientific Reports 9 (2019) 1.
  7. N Mirzaei, G Mengtan, and C Yuntai, Journal of Earthquake Prediction Research 7 (1998) 465.
  8. N Tahernia, et al., Journal of Earth System Science 121 (2012) 463.
  9. P Bak, “How nature works: the science of self-organaized criticality” Springer Science & Business Media (1996).
  10. R Shcherbakov, D Turcotte, and J Rundle, “Treatise on Geophysics Volume 4: Earthquake Seismology” Elsevier (2015)
  11. R Shcherbakov, D Turcotte, and J Rundle, Bulletin of the Seismological Society of America 96 (4B), S376
  12. G W Flake, “The Computational Beauty of Nature, Computer Explorations of Fractals, Chaos, Complex Systems, and Adaptation” MIT Press (2000).
  13. S Dorogovtsev and J Mendes, Advances in Physics 51 (2002) 1079.
  14. L D F Costa, et al., Advances in Physics 60 (2011) 329.
  15. N Lotfi, A H Darooneh, and F A Rodrigues, Chaos: An Interdisciplinary Journal of Nonlinear Science 28 (2018) 0
  16. A L Barabasi, Linked: The New Science of Networks (2003) 409.
  17. A Gheibi, H Safari, and M Javaherian, The Astrophysical Journal 847 (2017)
  18. S Abe and N Suzuki, Europhysics Letters 65 (2004) 581.
  19. S Abe and N Suzuki, Physica A: Statistical Mechanics and its Applications 337 (2004) 357.
  20. A L Barabási, “Network Science” Cambridge University Press Cambridge (2016).
  21. S Abe and N Suzuki, Physical Review E 74 (2006) 026113.
  22. S Abe and N Suzuki, Physica A 388 (2009) 2511.
  23. S Abe and N Suzuki, Brazilian Journal of Physics 39 (2009) 428.
  24. N Lotfi and A Darooneh, The European Physical Journal B 85 (2012) 1.
  25. X He, et al., Physica A 407 (2014) 175.
  26. A Chakraborty, G Mukherjee, and S Manna, Physica A 433 (2015) 336.
  27. K M Gorski, et al., The Astrophysical Journal 622 (2005) 759.
  28. L Lacasa, et al., The Astrophysical Journal 105 (2008) 4972.
  29. E Zhuang, M Small, and G Feng, Physica A 410 (2014)
  30. F Daei, H Safari, and N Dadashi, The Astrophysical Journal 845 (2017)
  31. R V Donner and J Donges, Acta Geophysica 60 (2012) 589.
  32. L Telesca and M Lovallo, Europhysics Letters 97 (2012) 50002.
  33. H George, Pure and Applied Geophysics 97 (2017)
  34. N Khoshnevis, et al., Pure and Applied Geophysics 174 (2017) 4003.
  35. R Weron, Physica A: Statistical Mechanics and its Applications 312 (2002) 285.
  36. B  Mandelbrot, Zeitschrift für Wahrscheinlichkeitstheorie und Verwandte Gebiete 31 (1975) 271.
  37. N Alipour and H Safari, The Astrophysical Journal 807 (2015)175.
  38. M S Granero, J T Segovia, and J G Pérez, Physica A: Statistical Mechanics and its Applications 387 (2008) 5543–5551
  39. S K Mitra, Asian Social Science 8 (2012) 111.
  40. M J Aschwanden, et al., Space Science Reviews 198 (2016)
  41. R Ceballos and F Largo, arXiv:1805.08931 3, 8 (2018) 424.
  42. T H Cormen, et al., “The Knuth-Morris-Pratt Algorithm“ MIT Press (2001)
  43. M V Steen, “Graph Theory and Complex Networks: An Introduction” Maarten Van Steen (2010).
  44. A Şengör, Geological Society, London, Special Publications 49 (1990) 797.
  45. B Walker, et al., Conservation Ecology 6 (2002).
  46. T Shirzad, Geophysical Journal International 217 (2019) 190.
  47. D Pastén, et al., arXiv: 100505548 (2012).
  48. M Aschwanden, The Astrophysical Journal 814 (2015)
  49. N Farhang, H Safari, and M Wheatland, The Astrophysical Journal 859 (2018) 41.
  50. N Farhang, M Wheatland, and H Safari, The Astrophysical Journal Letters 883 (2019)
  51. S Abe and N Suzuki, The European Physical Journal B Condensed Matter and Complex Systems 44 (2005)115.
  52. S Abe and N Suzuki, Nonlinear Processes in Geophysics 13 (2006) 145.
  53. S Abe and N Suzuki, The European Physical Journal B 59 (2007)93.
  54. Z Shomali, et al., Geophysical Journal International 187 (2011) 394.

ارتقاء امنیت وب با وف ایرانی