Neural network prediction of tsunami parameters in the Aegean and Marmara seas
Ege ve Marmara denizlerinde yapay sinir ağları ile tsunami parametrelerinin tahmini
- Tez No: 153573
- Danışmanlar: PROF. DR. AYŞEN ERGİN, DOÇ. DR. CAN ELMAR BALAS
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Tsunami, deprem, yapay sinir ağları, tahmin, öngörü, tsunami dalga yüksekliği, tsunami büyüklüğü, tsunami oluşma süresi, Marmara Denizi, Ege Denizi. vıı, Tsunami, earthquake, artificial neural network, forecast, prediction, tsunami wave height, tsunami intensity, tsunami occurrence period, Marmara Sea, Aegean Sea
- Yıl: 2004
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
oz EGE VE MARMARA DENİZLERİNDE YAPAY SINIR AĞLARI İLE TSUNAMİ PARAMETRELERİNİN TAHMİNİ Erdurmaz, M. Sercan Yüksek Lisans, İnşaat Mühendisliği Bölümü Tez Yöneticisi : Prof. Dr. Ayşen Ergin Yardımcı Tez Yöneticisi : Doç. Dr. Can E. Balas Haziran 2004, 98 sayfa Tsunami, uzun dalga periodu ve dalga boyu özellikleri gösteren sığ su dalgalan olarak tanımlanır. Su hacminde oluşan ani değişmelerden kaynaklanmaktadır. İ.Ö. 1.500 yılından itibaren 3.500 senelik bir gözlem süresi için tarihsel veriler, Türkiye kıyılarında yaklaşık 1 00 tsunami oluşumu göstermektedir. Gelecek oluşumlar için tsunami özelliklerini belirlemek ve tsunami geri oluşum süresini tahmin etmek gayesiyle tarihsel veriler toplanmış ve yapay bir sinir ağı modeli kurulmasında kullanılmıştır. Yapay sinir ağlan (YSS), ölçülmüş ve gözlemlenmiş verileri tecrübe ederek, insan beyninin düşünme ve öğrenme davranışlannı modelleyen bir sistemdir. İki yapay sinir ağı yapısı oluşturulmuştur. Oluşturulan birinci yapay sinir ağı yapısı, gelecekte tsunami oluşturabilecek depremlerin ve deprem şiddetlerinin tahmininde kullanılmıştır. İkinci ağ yapısı, tsunami büyüklüğü, deprem derinliği ve ilk yapay sinir ağı yapısı ile öngörülmüş deprem şiddetlerini ilişkilendirerek tsunaminin kıyıdaki yükselmesini tahmini için oluşturulmuştur. vıÖrnek çalışmada, Marmara ve Ege bölgeleri için tahminler yapılmıştır. Türkiye kıyılarında 1999 yılında oluşan ve son deprem olan izmit (Kocaeli) depremini de kapsayan tarihsel tsunamilerin geri oluşum süreleri çıkartılmış, Marmara ve Ege bölgeleri için ortalama deprem oluşma derinliği hesaplanmış ve bunlar, bahsi geçen bölgelerde 2004 yılından itibaren 1-100 yılları arasında çeşitli geri oluşum süreleri için tsunami oluşturabilecek deprem şiddetlerinin hesaplanmasında kullanılmıştır. Elde edilen deprem şiddetleri, tsunami büyüklüğü ve deprem derinliği ile birlikte kıyıda oluşacak tsunami dalga yüksekliği tahmininde kullanılmıştır. Yapay sinir ağlan tahmininin, kıyıda oluşacak tsunami dalga yüksekliği hesaplarına derinlik ve şiddet gibi deprem parametrelerinin katıldığı bir ilk adım olarak uygun sonuçlar verdiği sonucuna varılmıştır.
Özet (Çeviri)
ABSTRACT NEURAL NETWORK PREDICTION OF TSUNAMI PARAMETERS IN THE AEGEAN AND MARMARA SEAS Erdurmaz, M. Sercan M. Sc, Department of Civil Engineering Supervisor : Prof. Dr. Ayşen Ergin Co-Supervisor : Assoc. Prof. Dr. Can E. Balas June 2004, 98 pages Tsunamis are characterized as shallow water waves, with long periods and wavelengths. They occur by a sudden water volume displacement. Earthquake is one of the main reasons of a tsunami development. Historical data for an observation period of 3500 years starting from 1500 B.C. indicates that approximately 100 tsunamis occurred in the seas neighboring Turkey. Historical earthquake and tsunami data were collected and used to develop two artificial neural network models to forecast tsunami characteristics for future occurrences and to estimate the tsunami return period. Artificial Neural Network (ANN) is a system simulating the human brain learning and thinking behavior by experiencing measured or observed data. IVA set of artificial neural network is used to estimate the future earthquakes that may create a tsunami and their magnitudes. A second set is designed for the estimation of tsunami inundation with relation with the tsunami intensity, the earthquake depth and the earthquake magnitude that are predicted by the first set of neural networks. In the ease study, Marmara and Aegean regions are taken into consideration for the estimation process. Return periods including the last occurred earthquake in the Turkish seas, which was the İzmit (Kocaeli) Earthquake in 1999, were utilized together with the average earthquake depths calculated for Marmara and Aegean regions for the prediction of the earthquake magnitude that may create a tsunami in the stated regions for various return periods of 1-100 years starting from the year of 2004. The obtained earthquake magnitudes were used together with tsunami intensities and earthquake depth to forecast tsunami wave height at the coast. It is concluded that, Neural Networks predictions were a satisfactory first step to implement earthquake parameters such as depth and magnitude, for the average tsunami height on the shore calculations.
Benzer Tezler
- Dam break induced flood analysis by soft computing techniques
Yumuşak hesaplama teknikleri ile baraj yıkılması kaynaklı taşkın analizi
HALİD AKDEMİR
Yüksek Lisans
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN BAYINDIR
- Dalgakıranlar üzerindeki maksimum tırmanmanın belirlenmesi
Maximum wave runup prediction on breakwaters
TARKAN ERDİK
Doktora
Türkçe
2009
Denizcilikİstanbul Teknik ÜniversitesiKıyı Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. M. EMİN SAVCI
- Neural network prediction of flash point of diesel fuel from its chemical composition and physical properties
Dizel yakıtın alevlenme noktasının kimyasal bileşim ve fiziksel özelliklerden sinir ağı ile tahmini
YOUNIS MUHSIN YOUNIS AL-ANI
Yüksek Lisans
İngilizce
2017
Kimya MühendisliğiAtılım ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
ASST. ASSOC. DR. HAKAN KAYI
- Türkiye enerji sektörünün stratejik konumu ve yapay sinir ağı modelleriyle enerji tüketiminin tahmini
Turkish energy sector strategic position and neural network prediction of energy consumption models with
HATİCE GENÇ KAVAS
Doktora
Türkçe
2019
EnerjiSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜDAVERDİ BİRCAN
- Karbonat kökenli doğal taşların yapay sinir ağları ile kesilebilirlik tayini
Sawability prediction of carbonate natural stones using artificial neural networks
MURAT YURDAKUL
Doktora
Türkçe
2009
Maden Mühendisliği ve MadencilikEskişehir Osmangazi ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜRRİYET AKDAŞ
YRD. DOÇ. DR. BİROL YILDIZ