Gerçek zamanlı erken uyarı algoritmalarının değerlendirilmesi ve geliştirilmesi: Marmara için durum analizi
Evaluation and development of real-time early warning algorithms: Case study for the Marmara region
- Tez No: 287012
- Danışmanlar: PROF. DR. ASIM OĞUZ ÖZEL, PROF. DR. MİTHAT FIRAT ÖZER
- Tez Türü: Doktora
- Konular: Deprem Mühendisliği, Jeofizik Mühendisliği, Earthquake Engineering, Geophysics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeofizik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 142
Özet
17 Ağustos 1999 (Mw 7,5) ve 12 Kasım 1999 (Mw 7,2) tarihlerinde Marmara Bölgesi'ni vuran iki yıkıcı deprem, İstanbul ve Marmara Bölgesi'nde gelecekte olabilecek depreme karşı çok büyük ilgi uyandırmıştır. Beklenen depreme karşı yapılan hazırlıklar neticesinde, İstanbul için bir deprem erken uyarı sistemi (DEUS) 10 adet kuvvetli yer hareketi istasyonuyla 2002 yılında kurulmuştur. Kurulan sistemin algoritması, zaman ortamı ivme genlik seviyeleri ile kümülatif mutlak hız (CAV) seviyelerinin belirli bir eşik seviyesinin aşması prensibine dayanır.Bugüne kadar yapılan gözlemlerden, CAV`nin bazı düzeltmelere gereksinimi olduğu görüldü. Bazı çalışmalar sonunda, pencerelenmiş parantezli CAV (BCAV-W) olarak adlandırılan bir yeni yaklaşım sunulmuştur. Ayrıca, Marmara Bölgesi için üç alarm seviyesi belirlenmiştir. Bunlar sırasıyla 0,20 m/sn, 0,40 m/sn ve 0,70 m/sn'dir. Buna ek olarak, İstanbul DEUS'nin çalışma kapasitesinin arttırılması için bazı alternatif yaklaşımların tetkikine ihtiyaç duyuldu. Bu nedenle, Japonya (B-Delta metodu), Güney Kaliforniya (periyot parametresi Tau-P-max) ve Tayvan'dan (periyot parametresi Tau-C ve yerdeğiştirme genlik parametresi Pd) birer algoritma seçildi ve test edildi.Sonuç olarak, Marmara Bölgesi için yeni CAV eşik seviyelerine ilave olarak, Tau-P-max ile Mw, Tau-C ile Mw ve Pd ile en büyük yer hız değeri (PGV) aralarındaki ilişkiler çıkarılmıştır. Bu tip regresyon ilişkiler, Marmara Bölgesi'nde zarar verici bir depremin P dalgasının gelişinden sonraki saniyeler içinde saptanmasında ve yerinde erken uyarı sağlanmasında kullanılabilir. Üstelik en büyük yer ivme (PGA) değerinin BCAV-W ile beraber kullanılması da deprem erken uyarı sistemlerini hatalı alarm üretiminden koruyacaktır.
Özet (Çeviri)
Two catastrophic earthquakes struck the Marmara Region on 17 August (Mw 7.5) and 12 November 1999 (Mw 7.2) caused major concern about future earthquake occurrences in Istanbul and the Marmara Region. As part of the preparations for the future earthquake, an earthquake early warning system (EEWS) for Istanbul with ten strong ground motion stations, has been implemented in 2002. Its algorithm is based on the exceedance of specified thresholds of time domain amplitudes and the cumulative absolute velocity (CAV) levels.Since that time, it is seen that some modifications to the CAV are required. At the end of some works, a new approach namely bracketed CAV-windowed (BCAV-W) is presented. Besides, three alarm levels for the Marmara Region are defined as 0.20m/s, 0.40m/s and 0.70m/s, respectively. Additionally, in order to improve the operating capability of the Istanbul EEWS, some alternative aproaches are needed to be tested. Therefore, three algorithms one for each from Japan (B-Delta method), Southern California (Tau-P-max period parameter) and Taiwan (Tau-C period parameter and Pd displacement amplitude parameter) are selected and tested.In conclusion, the empirical relationships between; Tau-P-max and Mw, Tau-C and Mw, Pd and Peak Ground Velocity (PGV) for the Marmara Region, in addition to new CAV threshold levels, are derived. These regression relationships can be used to detect a damaging earthquake within seconds after the arrival of P-wave and to provide on-site warning in the Marmara Region. Moreover, the use of Peak Ground Acceleration (PGA) together with BCAV-W will prevent EEWS from producing false alarm.
Benzer Tezler
- Derin öğrenme ve tinyml ile gerçek zamanlı düşme tespiti
Real-time fall detection with deep learning and tinyml
ABDULLAH SÖKÜLMEZ
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKAN UYAR
- Tek GNSS alıcısı ile yapı sağlığı izlemelerinde farklı GNSS algoritmalarının test edilmesi ve karşılaştırılması
Testing and comparison of different GNSS algorithms in structural health monitoring using a stand-alone GNSS receiver
MERT BEZCİOĞLU
Doktora
Türkçe
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL ÖZER YİĞİT
DR. ÖĞR. ÜYESİ AHMET ANIL DİNDAR
- Arızalı bilyalı rulmanların tespitinde makine öğrenmesi kullanımı ve nesnelerin interneti tabanlı durum izleme ve ikaz sisteminin geliştirilmesi
Using machine learning in the detection of faulty ball bearings and the development of the internet of things based condition monitoring and warning system
MUSTAFA ÇAKIR
Doktora
Türkçe
2022
Makine Mühendisliğiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK MISTIKOĞLU
- Adaptive autonomous emergency braking system based on estimation of tire/road friction coefficient
Yol ve tekerlek arasındaki sürtünme katsayısının kestirimine dayalı uyarlamalı otonom acil frenleme sistemi
ABDULLAH ÖMER SEVİL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM EKSİN
- Cyber tools as foreign policy instruments in trilateral relations: Analysing cyber-attacks targeting the United Kingdom
Üçlü ilişkilerde dış politika aracı olarak siber araçlar: Birleşik Krallık'ı hedef alan siber saldırıların analizi
ATAKAN YILMAZ
Doktora
İngilizce
2024
Siyasal BilimlerGalatasaray ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. MENENT SAVAŞ CAZALA