Türkiye'nin kuzeybatı bölgesinde makine öğrenimi algoritmaları ile deprem konumu tahmini
Earthquake location prediction in the northwestern region of Turkey using machine learning algorithms
- Tez No: 1002178
- Danışmanlar: DOÇ. DR. SEMA ALACALI
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Yapı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Depremler tüm dünyada olduğu gibi Türkiye'de de büyük felaketlere yol açabilen doğal afetlerden biridir. Özellikle Türkiye gibi aktif tektonik kuşaklar üzerinde yer alan ülkelerde bu durum insan hayatını, can kayıpları, ekonomik, psikolojik ve sosyolojik boyutlarda etkilemektedir. Dolayısıyla depremlerin erken tespiti ve buna bağlı olarak olası etkilerinin azaltılması yönünde yapılacak olan çalışmalar büyük önem taşımaktadır. Günümüzde depremlerin ne zaman olacağını kesin olarak bilmek mümkün olmasa da gelişen teknoloji ve bilim ile bu alanda yapılan çalışmalar önemli bir yol gösterici olabilmektedir. Teknolojinin gelişimiyle birlikte deprem tahmini için öne çıkan yöntemlerden biri de makine öğrenimi algoritmalarının kullanılmasıdır. Son yıllarda makine öğrenimi algoritmaları, deprem gibi büyük ve karmaşık veri setlerinde geleceğe dair tahminlerde bulunma yetisi sayesinde önemli bir araç olarak karşımıza çıkmaktadır. Dolayısıyla bu çalışma, makine öğrenimi algoritmaları kullanılarak Türkiye'nin kuzeybatısında (26-35,5o Doğu Meridyenleri – 39-42o Kuzey Paralelleri) meydana gelebilecek depremlerin tam olarak hangi koordinatlarda (enlem ve boylam) gerçekleşebileceğinin tahminini kapsamaktadır. 1900 yılından itibaren başlanarak günümüze kadar gerçekleşmiş 3 ve üzeri büyüklükteki bütün depremler çalışmanın veri seti olarak kullanılmıştır. Kullanılan veriler aracılığıyla 2026 yılında olması muhtemel depremlerin koordinat tahminleri yapılmıştır. Bu çalışmada KNN (K-Nearest Neighbors), GBM (Gradient Boosting Machine), XGBoost (Extreme Gradient Boosting), LightGBM (Light Gradient- Boosting Machine), Catboost (Categorical Boosting), Bagged Trees ve Random Forest Makine Öğrenimi Algoritmaları kullanılmıştır. Dolayısıyla bu çalışma gerek kullanılan algoritmalar ve gerekse derlenmiş geniş kapsamlı veri seti sayesinde bir depremin meydana gelebileceği koordinatların önceden tespit edilmesini ve bu sayede risk altında kalan bölgelerin önceden tahliye edilmesini ya da altyapı önlemlerinin alınmasına olanak sağlar.
Özet (Çeviri)
Masonry Earthquakes are natural disasters that can cause major disasters in Turkey, as they do throughout the world. Particularly in countries located on active tectonic zone, such as Turkey, this situation affects human life, causing loss of life and having economic, psychological and sociological consequences. Therefore, efforts to detect earthquakes early and mitigate their potential effects are of great importance. Although it is not possible to know exactly when earthquakes will occur today, advances in technology and science can provide important guidance in this field. With the development of technology, one of the prominent methods for earthquake prediction is the use of machine learning algorithms. In recent years, machine learning algorithms have emerged as an important tool due to their ability to make predictions about the future using large and complex data sets, such as those relating to earthquakes. Therefore, this study uses machine learning algorithms to predict the exact coordinates (latitude and longitude) where earthquakes may occur in northwestern Turkey (26-35.5° East Meridians – 39-42° North Parallels). All earthquakes of magnitude 3 and above that have occurred from 1900 to the present day have been used as the data set for the study. Coordinate predictions for earthquakes likely to occur in 2026 have been made using the data. This study utilized the following machine learning algorithms: KNN (K-Nearest Neighbours), GBM (Gradient Boosting Machine), XGBoost (Extreme Gradient Boosting), LightGBM (Light Gradient-Boosting Machine), CatBoost (Categorical Boosting), Bagged Trees, and Random Forest. Therefore, this study enables the prior identification of the coordinates where an earthquake may occur, thanks to both the algorithms used and the compiled comprehensive data set. This, in turn, allows for the prior evacuation of areas at risk or the implementation of infrastructure measures.
Benzer Tezler
- Investigation of crustal deformation related to the earthquake cycle in the Alpine-Himalayan belt using INSAR
Alp-Himalaya Kuşağı'nda deprem döngüsüyle ilişkili kabuk deformasyonunun INSAR yöntemiyle incelenmesi
TOHID NOZAD KHALIL
Doktora
İngilizce
2025
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZİYADİN ÇAKIR
PROF. DR. SEMİH ERGİNTAV
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Güney Marmara bölgesi sismik gürültü kaynaklarının konum ve zaman özelliklerinin incelenmesi
Investigation of spatial and temporal properties of seismic noise in the Guney Marmara region
UTKU KOÇUM
Yüksek Lisans
Türkçe
2016
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. AYŞE KAŞLILAR ŞİŞMAN
- Türkiye'de hızlı gelişen yabancı tür ağaçlandırmaların adaptasyon ve gelişme yönünden incelenmesi
Başlık çevirisi yok
CELAL TAŞDEMİR
Yüksek Lisans
Türkçe
1996
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN DİRİK