20.500.12556/RUL-141527 Modeliranje časovnega razvoja seizmične aktivnosti z uporabo analize omrežij Modeling the time evolution of seismic activity using network analysis Potres je naravni pojav, ki nastane kot posledica notranje Zemljine dinamike globoko pod površjem in ga z današnjim znanjem še ni mogoče napovedati. V magistrskem delu poizkušamo z vidika omrežne znanosti pridobiti nova znanja o značilnostih in razvoju seizmične aktivnosti skozi čas. Implementiramo in med seboj primerjamo različne modele omrežij, ki temeljijo na interakciji med potresi v času in kraju ter na predpostavki o podobnostih potresne aktivnosti na izbranem geografskem območju. Iz omrežij, ki jih konstruiramo v več manjših zaporednih časovnih oknih, izračunamo nabor značilk ter prikažemo njihovo spreminjanje skozi čas. Na koncu z uporabo modela ARIMA za napovedovanje časovnih vrst preverimo, ali je iz dobljenih vzorcev moč sklepati o značilnostih seizmičnega dogajanja v prihodnosti. Analiza dobljenih omrežij ter generiranih časovnih vrst pokaže, da z večino obravnavanih modelov omrežij konstruiramo smiselna omrežja, preko katerih dobimo zanesljiv in predvidljiv odziv vrednosti v časovnih vrstah. Iz rezultatov napovedovanja vrednosti časovnih vrst je razvidno, da oblike časovnih vrst, predvsem v intervalih, v katerih se zgodi močnejši potres, z uporabljenim modelom ARIMA ne moremo dobro napovedati. An earthquake is a natural phenomenon that occurs as a consequence of Earth's internal dynamics. It originates deep under the planet's surface and cannot be predicted with our current knowledge. Thesis addresses a network analysis approach to acquire new knowledge about the characteristics and development of seismic activity over time. We implement and compare various network models based on time and space interactions between earthquakes and on the assumption of self-similarity in seismic activity in a selected geographic area. Using networks that are generated in multiple consecutive time windows, we extract a feature set and present its changes over time in a time series. Finally, ARIMA model for time series prediction is used to verify if it is possible to predict characteristics of seismic activity in the future. Analysis of generated networks and time series shows that the majority of used network models produce relevant networks that return reliable and predictable response in a time series. However, using ARIMA model to predict new data points in a time series turns out to be insufficient, especially in time intervals when the strong earthquake occurs. analiza omrežij seizmična aktivnost potresi časovne vrste network analysis seismic activity earthquakes time series true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2022-09-30 15:25:00 2022-09-30 15:25:04 2022-10-14 06:51:17 0000-00-00 00:00:00 2022 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 33941 125574403 Kozelj_Romi_-_Modeliranje_casovnega_razvoja_seizmicne_aktivnosti_z_uporabo_analize_omrezij.pdf Kozelj_Romi_-_Modeliranje_casovnega_razvoja_seizmicne_aktivnosti_z_uporabo_analize_omrezij.pdf 1 5AA2EBFF705745EADEA2CB662FEF2E0E 53e9acee41fad6c8f5b41b47dc3b552287955dce441c4b4777d697152bf67b52 48ff8441-40c3-11ed-9c94-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=162605 Fakulteta za računalništvo in informatiko 0 0 0