دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 مقالات آماده انتشار 2025 06 07 Real-Time Estimation of Volcanic Tremor Depth Using Histogram Gradient Boosting Regressor Real-Time Estimation of Volcanic Tremor Depth Using Histogram Gradient Boosting Regressor 3504 10.22044/jrag.2025.15729.1367 FA علیرضا اباذری گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران علیرضا حاجیان دانشیار، گروه فیزیک، واحد نجف آباد،دانشگاه آزاد اسلامی، نجف آباد،ایران روح الله کیمیایی فر گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران مریم هدهدی گروه فیزیک، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران سالواتوره گمبینو موسسه ژئوفیزیک و آتش فشان شناسی، شعبه کاتانیا، کاتانیا، ایتالیا Journal Article 2025 02 09 Volcanic tremors are crucial indicators of volcanic activity and hazard assessment. This paper presents a new approach to tremor depth calculation, emphasizing automation, precision, and real-time capabilities. The method utilizes Root Mean Squared (RMS) values of the tremor signals to train the Histogram Gradient Boosting Regressor (HGBR). Generalizing the trained model allows for real-time estimation of tremor depth, leading to quicker and more reliable hazard analysis. In this research we used 39,790 tremor RMS samples reported from 17 stations located around Etna volcano, Catania ,Italy. The importance of selecting the real data from this location is that Etna is the biggest active volcano between all European countries and also it is a well monitored volcano among all active volcanos around the world. There are several monitoring stations around this active volcano and there are various conditions of its activities including quiet, Stromboli and paroxysm. The investigated tremor data was recorded in the time span between May of 2011 and November of 2014. Model performance was assessed with various metrics, achieving a Mean Absolute Error (MAE) of 139.33 meters for the unseen test dataset. The results of the model showed a robust correlation with R-squared values of 0.850, affirming its regression capability during various volcanic phases. Statistical evaluation revealed that for the expected error, there's a 68% chance the error lies within 207 m, a 95% chance it is bounded to 414 m, and a 99% chance it is less than 621 m. ترمورهای آتشفشانی شاخص های حیاتی فعالیت های آتشفشانی و ارزیابی خطر هستند. این مقاله یک رویکرد جدید برای محاسبه عمق ترمور، با تاکید بر اتوماسیون، دقت، و قابلیت‌های زمان واقعی ارائه می‌کند. این روش از مقادیر میانگین مربعات ریشه (RMS) سیگنال های ترمور برای آموزش رگرسیون افزایش گرادیان هیستوگرام (HGBR) استفاده می کند. تعمیم مدل آموزش دیده امکان تخمین لحظه ای عمق ترمور را فراهم می کند که منجر به تجزیه و تحلیل خطر سریعتر و قابل اعتمادتر می شود. در این تحقیق ما از 39790 نمونه RMS ترومور گزارش شده از 17 ایستگاه واقع در اطراف آتشفشان اتنا، کاتانیا، ایتالیا استفاده کردیم. اهمیت انتخاب داده های واقعی از این مکان این است که اتنا بزرگترین آتشفشان فعال بین تمام کشورهای اروپایی است و همچنین یک آتشفشان به خوبی نظارت شده در بین تمام آتشفشان های فعال در سراسر جهان است. ایستگاه های مشاهداتی متعددی در اطراف این آتشفشان فعال وجود دارد و شرایط مختلفی برای فعالیت های آن از جمله آرام، استرومبولی و پاراکسیسم وجود دارد. داده‌های ترمور بررسی‌شده در بازه زمانی بین ماه می ۲۰۱۱ و نوامبر ۲۰۱۴ ثبت شد. عملکرد مدل با معیارهای مختلف ارزیابی شد و میانگین خطای مطلق (MAE) 139.33 متر برای مجموعه داده‌های آزمایشی دیده نشده به دست آمد. نتایج مدل یک همبستگی قوی با مقادیر R-squared 0.850 نشان داد که قابلیت رگرسیون آن را در طی مراحل مختلف آتشفشانی تأیید می کند. ارزیابی آماری نشان داد که برای خطای مورد انتظار، 68 درصد احتمال خطا در 207 متر، 95 درصد احتمال محدود شدن به 414 متر و احتمال 99 درصد کمتر از 621 متر وجود دارد.