Coğrafi bilgi sistemleri tabanlı heyelan duyarlılık haritalarının oluşturulmasında istatistiksel yöntemlerin ve yapay sinir ağlarının kullanılması: Kumluca-Ulus (Bartın) bölgesi
Usage of statistical techniques and artificial neural networks in producing landslide susceptibility maps based on geographical information systems: Kumluca-Ulus (Bartın) region
- Tez No: 216374
- Danışmanlar: PROF.DR. HÜSNÜ AKSOY
- Tez Türü: Doktora
- Konular: Jeoloji Mühendisliği, Geological Engineering
- Anahtar Kelimeler: Ayırma (diskriminant) analizi, Batı Karadeniz Bölgesi, coğrafi bilgi sistemi (CBS), faktör analizi, heyelan, heyelan duyarlılık haritası, iki değişkenli istatistiksel analizler, lojistik regresyon analizi, yapay sinir ağları (YSA), Artificial neural networks (ANN), bivariate statistical analyses, discriminant analysis, factor analysis, geographical information system (GIS), landslide, landslide susceptibility map, logistic regression analysis, West Black Sea Region
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 293
Özet
Bu çalışmanın amacı, coğrafi bilgi sistemi (CBS) tabanlı heyelan duyarlılık haritalarının oluşturulmasında, literatürde yaygın olarak kullanılan istatistiksel analizler ile yeni ve gelişmekte olan bir yaklaşım olan yapay sinir ağı (YSA) yöntemi kullanılarak heyelan duyarlılık haritalarının oluşturulması ve performanslarının karşılaştırılmasıdır. Bu amaç doğrultusunda, ülkemizde heyelanların sıklıkla geliştiği, Batı Karadeniz Bölgesi'nde bir alan seçilmiştir. Arazi çalışmaları sırasında, 280 adet heyelan tespit edilmiş ve özellikleri kaydedilmiştir. Heyelan duyarlılığının değerlendirilmesinde; topoğrafik yükseklik, yamaç eğimi, yamaç eğim yönü, yamaç şekli, drenaja yakınlık, sırtlara yakınlık, topoğrafik nemlilik indeksi, faylara yakınlık, toprak kalınlığı, bitki örtüsü yoğunluğu, bitki türü ve yollara yakınlık olmak üzere toplam 12 adet parametre dikkate alınmıştır. Üç farklı yaklaşımın temel alındığı iki değişkenli istatistiksel analizler, faktör analizi, ayırma (diskriminant) analizi, lojistik regresyon analizi ve YSA yöntemleri kullanılarak inceleme alanının, 7 farklı yöntem ile heyelan duyarlılık haritaları oluşturulmuştur. YSA'nın eğitilme aşamasında kullanılan, öğrenme algoritmalarının ve YSA'nın tasarımında kullanılan; ağ topolojisi, öğrenme katsayısı, momentum değeri, başlangıç ağırlık değerleri, dönüşüm fonksiyonları ve tekrarlama sayısı gibi sistemin kestirdiği sonuçları doğrudan etkileyen parametrelerin, sonuçlar üzerindeki etkisi değerlendirilmiştir. Oluşturulan haritaların performanslarının belirlenmesinde; heyelanların, duyarlılık sınıfları içindeki dağılımları dikkate alınmıştır. En yüksek performansa sahip ağ tasarımının kullanıldığı, YSA yöntemi ile oluşturulan haritada, heyelanların % 93'ünün, ?yüksek? ve ?çok yüksek? heyelan duyarlılığı sınıfında yer aldığı saptanmıştır. YSA yöntemi ile üretilen duyarlılık haritasının, istatistiksel yöntemler ile üretilen haritalara göre daha iyi performansa sahip olduğu belirlenmiştir. Bu haritayı, gösterdiği performansa göre sırasıyla; lojistik regresyon analizi, faktör analizi, ayırma analizi ve iki değişkenli istatistiksel analiz yöntemleri kullanılarak oluşturulan haritalar, takip etmektedir.
Özet (Çeviri)
The present study aims to produce landslide susceptibility maps based on geographical information system (GIS), using conventional statistical analyses and newly introduced artificial neural networks (ANN); and compare their performances. For this purpose, an area in the Western Black Sea Region, where landslides extensively develop, was selected. During field studies, detailed records of 280 landslides were taken to prepare a comprehensive database. In the evaluation of landslide susceptibility, twelve parameters have been taken into account, such as topographical elevation, slope angle, slope aspect, shape of slope, closeness to drainage, closeness to ridges, topographical wetness index, closeness to faults, soil thickness, land cover density, vegetation type, and closeness to roads. Landslide susceptibility maps of the study area were prepared using seven different methods, such as bivariate statistical analyses based on three approaches, factor analyses, discriminant analyses, logistic regression analyses and artificial neural networks. In the study, the effects of the parameters directly affecting the results estimated by the system, such as learning algorithms used in the teaching stage of the ANN; network topology, learning rate, momentum, initial weights, transformation functions, number of iterations used in the network design were also evaluated. In assessing the performances of the maps produced, the distribution of the landslides in susceptibility classes was taken into consideration. It has been determined that, in the map produced by ANN with the highest network design performance, 93 percent of the landslides took place in the zones of ?high? and ?very high? susceptibility classes. It was also found that the susceptibility map produced by ANN yielded a better performance compared to those produced through statistical methods. The performances of other methods were found to be in the following respects: logistic regression analysis, factor analysis, discriminant analysis, and bivariate statistical analysis.
Benzer Tezler
- Vakfıkebir (Trabzon) ilçesinin fiziksel veriye dayalı coğrafi bilgi sistemleri tabanlı heyelan duyarlılık değerlendirmesi
Physical data and based geographic information systems based landslide susceptiplity assessment of Vakfikebir (Trabzon) district
METEHAN YAŞAR KALAFAT
Yüksek Lisans
Türkçe
2021
Jeoloji MühendisliğiKaradeniz Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. AYKUT AKGÜN
- Karabük bölgesinin FR ve AHP yöntemleri kullanılarak CBS tabanlı heyelan duyarlılık haritalarının üretilmesi
Production of GIS-based landslide susceptibility mapping of Karabuk region using FR and AHP methods
VEYSEL EMRE KARAKAŞ
Yüksek Lisans
Türkçe
2018
Jeoloji MühendisliğiAtatürk ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. EKREM KALKAN
- Erdemli (Mersin) yöresinin coğrafi bilgi sistemleri tabanlı heyelan olası tehlike değerlendirmesi
GIS based landslide hazard assessment of the Erdemli (Mersin) region
ENGİN ÇİL
Yüksek Lisans
Türkçe
2009
Jeoloji MühendisliğiÇukurova ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA ÇAN
- Ayvalık ve yakın çevresinin erozyon ve heyelan duyarlılığının coğrafi bilgi sistemleri tabanlı incelenmesi
GIS-based erosion and landslide susceptibility assessment of the ayvalik and surroundings
AYKUT AKGÜN
Doktora
Türkçe
2007
Jeoloji MühendisliğiDokuz Eylül ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF.DR. NECDET TÜRK
- Ortahisar (Trabzon) ilçesinin olasılıksal yöntem tabanlı heyelan duyarlılık değerlendirmesi
Probablistic method-based landslide susceptibility assessment of Ortahisar (Trabzon) district
OĞUZHAN KALAFAT
Yüksek Lisans
Türkçe
2021
Jeoloji MühendisliğiKaradeniz Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. AYKUT AKGÜN