انواع استدلال و پیش بینی زلزله

سامانه های پیچیده داده های لرزه ای اطلاعات مفید را از سر تا سر جهان جمع می­کند ولی به کارگیری این این داده ها برای مدل کردن رخداد و کاربرد این مدل ها برای پیش بینی زلزله و نحوه کارکرد و طراحی خط مشی مسائل مشکل است. چرا که این مدلها نوعی اطلاعاتی را شامل می­شوند که غالباٌ که در متدهای سنتی قیاسی (استدلال از کل به جز) در آنالیز تصمیم­گیری به کار نمی رود، در حالی که بسیار به آنها نیاز داریم.
آنچه که در پیش بینی زلزله معمولا مد نظر است آن است که بیشتر از استدلال استقرائی استفاده شود، ولی حقیقت آن است (و اشکال آنجاست) که بیشتر از کلیت یک زلزله اصلی فرض می کنیم که اجزا نیز باید فرایندی مشابه به

لرزه اصلی داشته باشند (نگاه زلزله شناسان در این مورد بیشتر قیاسی

deductive-

و

یا فرضی – abductive

است ولی ابزار کارشان بیشتراستقرائی است-

inductive

. در عمل این تفاوت اجباری در ابزار کار (که بیشتر به استدلال استقرائی می انجامد) و واقعیت مساله (که بیشتر بر مبنای اینکه از ماهیت یک زلزله اصلی – کل- به زلزله های کوچک –جز – می خواهیم برسیم و این مفهوم که «کل» مورد نظر از «اجزائی» تشکیل شده که به خوبی برای ما روشن نیستند خواهیم برسیم) منجر به ناموفق بودن بیشتر تلاشهای دانشمندان برای پیش بینی زلزله است. این موضوع نشان می دهد که باید تلاش شود تا ماهیت یک سامانه گسله که یک سامانه پیچیده را نمایندگی می کند، بهتر بشناسیم تا بتوانیم بر اساس روش منطقی به پیش بینی فرایند منجر به رخداد یک زلزله بزرگ و در نتیجه خود رخداد بپردازیم.
رویکرد های جدید با استفاده از استدلال استقرائی بر اساس کاربرد رایانه اکنون مقایسه منظم متغیرهای سامانه را را با استفاده از مدل ­های پیچیده ممکن می­کند. این متدها دریافت اطلاعات مفیدتر موجود در مورد سامانه ­های پیچیده، یافتن پاسخ­های کاربردی قابل قبول در مقابل عدم اطمینان و پلی که شکاف بین رویکردهای کمی و کیفی را پر نماید مقدور می سازد.
با رجوع به زمینلرزه های دورن صفحه ای فلات ایران می توان مشاهده کرد که به لحاظ آماری و بر مبنای مشاهدات عینی، پیش بینی زلزله به لحاظ نظری امکان پذیر است.