Geri Dön

Pattern recognition technique for prediction of strong earthquakes in the North Anatolian fault zone, Turkey

Başlık çevirisi mevcut değil.

  1. Tez No: 364434
  2. Yazar: ŞERİF BARIŞ
  3. Danışmanlar: PROF. DR. CEMİL GÜRBÜZ
  4. Tez Türü: Doktora
  5. Konular: Deprem Mühendisliği, Earthquake Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1995
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü
  11. Ana Bilim Dalı: Deprem Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu <;al~mada Kuzey Anadolu Fay Zonu (KAFZ) boyunca u<; bolgede Ortintu Tamma (Pattern Recognition) teknigine dayah bir algoritma (CN) kullamlarak buyuk depremlerin orta vadede (1 ay ila u<; yIl) onceden belirlenilmesi konusunda <;all~Ilml~ ve uygulamalar neticesinde elde edilen sonu<;lar sunulm~tur. KAFZ boyunca bir<;ok ar~tlflCI tarafmdan sismik bo~luk olarak nitelenen ve buy uk bir depremin olma olaslhgmm diger bolgelere nazaran daha yiiksek oldugu d~uniilen bu bolgeler se<;ilerek yontem uygul~trr. Birinci bOlge olarak Marmara bolgesi ve <;evresi se<;ilmi~tir. Bilindigi uzere bu bolge ekonomik ve yerle~im a<;lsmdan Ulkemizin en onemli yoresidir. ikinci bolge olarak KAFZ'nun orta kesimi se<;ilmi~tir. U<;uncu bOlge ise Erzincan ve Karllova merkez olmak uzere geni~ <;evresi almml~trr. Bu <;al~mada birinci ve u<;Uncu bolgelerde yakm ge<;mi~te olm~ aletsel buyu.klugu 6.8 ve daha buyuk depremler; ikinci bOlgede ise aletsel buyuklugu 5.2 ve daha buyuk depremlerin orta vadede once den belirlenilmesine <;ah~Ilml~trr. Uygulanan algoritma sonucunda birinci bolgede 6 depremden 5'i; ikinci bolgede 5 depremden 1 'i; ve u<;uncu bOlgede ise 6 depremden 4' u onceden belirlenebilmi~tir. Artan Olaslhk Zamam (TIP), <;al~llan ikinci donemin (1964- 1994) birinci bolge i<;in yuzde 40, ikinci bOlge i<;in yuzde 16 ve u<;Uncu bolge i<;in ise yuzde 36'Slill kapsaml~trr. CN algoritmasl birinci ve u<;Uncu bolgelerde 1995 ylll i<;in alarm gostermektedir. Bu sonu<; bu bolgelerde bir deprem olma olaslhgmm arttlglill gostermektedir. Bu uygulamadan elde edilen sonu<;larm duyarhhgl kullamlan deprem kataloglarma ve <;ah~llan sureye bagh olarak degi~im gostermektedir. Bu yontem ile birinci ve u<;Uncu bolgelerde geriye doniik olarak depremlerin once den belirlenebilmesi olanakh goriinm~tur. Elde edilen sonu<;lar, diger sonu<;larla uyum gostermektedir. Diger yandan bu algoritma KAFZ'nun orta kesiminde ve Marmara bolgesinde e~ik magnitfidu 5 ve 5 ten buyuk depremlerin onceden belirlenmesinde b~anslz sonu<;lar vermi~tir. Bu sonu<;lar bolgede kaydedilen depremlerin saylca az olmasma ve deprem olu~ duzenlerinin geryek olarak belirlenememesine baglanmaktadlr. Bu bOlge ve magnitud smlfl i<;in algoritmanm standart parametrelerle uyguianmasl imkanslzdrr. Bu amaylar iyin algoritmanm gozden geyirilip, yeniden diizenlenerek ve veri tabamm guncelle~tirerek yontemin bolgelere uygulanmasl bolgenin deprem olU§ duzenleri ve deprem riski hakkmda yararh bilgiler saglayacaktrr. Artan OlasIhk Zamam'nm duyarhhgl ileriye donlik olarak test edilmelidir. Burada geryekle~tirilen yah~ma sadece algortimanm geriye donlik olarak test edilmesini amaylamaktadrr. ate yandan kullamlan algoritmanm bolgesellige baghhgl, onemli parametrelerin kUylik degi~imlerle kontrol edilmesi ile elde edilen veriler, yal~llan bOlge iyin duyarhhgm degi~medigini gostermektedir. C;al~manm yeni verilerle guncelle~tirilerek tum bOlgelerde (ozellikle alarm gosteren yerlerde) sfuekli uygulanmasl, KAFZ' nun orta kesiminde ise mlimklinse yeni algoritmanm denenmesi onerilmektedir. Birinci bOlge iyin elde edilecek sonuylarm iznik-Mekece yoresinde yurlitlilen depremlerin onceden belirleme yah~malan verileri ile kar~11~tlfllmaSl sonucu orta ve klsa vadede depremlerin onceden belirlenmesine buyuk katkl saglayabilecektir.

Özet (Çeviri)

A pattern recognition algorithm called the CN (California-Nevada) for intermediate- term earthquake prediction in three areas situated in the westernmost, the central, and easternmost portions of the NAFZ. One of them is the Marmara region and its vicinity (Region 1), which contain the western Anatolian graben complex and part of the Anatolian Trough. The NAFZ splays into three strands and extends to mainland Greece. The Marmara region and its vicinity are the most important area of Turkey from economical and sociological points of view. Existence ofa seismic gap in a densely populated region of Turkey, attempts have been made to collect data for predicting future earthquakes in this region. The second one (Region 2) is the central section of the NAFZ. Also, there is a probable seismic gap in this area (specifically between the longitudes of 33 °E and 35 °E). The third area is the Karliova triple junction and surrounding area (Region 3), where three active fault zones intersect and have produced many destructive earthquakes in the past. There are two unbroken segments of the NAFZ, (proposed as seismic gaps) located in the regions 1 and 3. Recently, a destructive earthquake occurred on March 13, 1992, causing about 650 deaths and at least 2000 injures. The epicenter of this earthquake and its aftershocks are located around the western boundary of the proposed seismic gap in Region 3. The 13.3.1992 earthquake is not considered as the potentially greatest earthquake that can take place in Erzincan according to data from strain accumulation of the segment of the NAFZ to the east of Erzincan, and the OvacIk Fault has not ruptured for more than 1000 years. These regions were selected because many destructive earthquakes have occurred in these areas, which have high seismotectonic activity relative to their surroundings according to information from tectonical and seismological studies. In the present work we investigate the possibility of the application of CN algorithm for intermediate-term prediction of earthquakes with magnitude Mo=6.8 in region 1 and 3; Mo=5.2 in Region 2 for the period of 1934-64 and 1964-1994. The first period used only for testing and learning the seismicity patterns of the NAFZ. The CN algorithm has diagnosed the Time of Increased Probability of a strong earthquake (TIP) which preceded 5 out of 6 earthquakes with Mo=6.8 in Region 1, lout of 5 strong earthquakes with 110=5.2 in Region 2 and 4 out of 6 strong earthquakes with 110=6.8 in Region 3. The TIPs occupied 40% of the total time for Region 1, 27% for Region 2 and 36% for Region 3 for the second period. The eN algorithm shows current alarms for regions 1 and 3. The stability of the results depends on using different catalogues and time periods of the algorithm considered. I believe that all experiments demonstrate that the results of the TIP's diagnosis are stable for Region 1 and Region 3. The retrospective analysis of seismic data in the Marmara region and the Karliova triple junction show that the eN algorithm can be applied without any readaptation for these regions of Turkey. The results of TIP diagnosis by the eN algorithm for both regions coincide well with the result of a worldwide test of the eN algorithm. The total diagnosis time of TIPs is slightly higher than the actual ones. This algorithm has given unsuccessful results for the prediction of earthquakes with magnitude 5 or higher in the middle part ofthe NAFZ and Marmara region. These results can be explained by incompleteness of the earthquakes recorded in the region and existence of the different seismicity patterns in the central part ofthe NAFZ. Application of the algorithm with standard parameters is not possible for this region and given magnitude range. Therefore, the eN algorithm must be reconsidered for adaptation and adjustment and database must be also updated. The reliability of TIP diagnostics needs further monitoring of earthquake flow, i.e. by forward prediction. The analysis carried out in this work should be considered only as the basis for such testing. The results of eN were stable when I changed the threshold value for the definition of strong earthquakes and made a slight change in the regionalization. I recommend that the algorithm should be applied continuously with monthly catalogues for the purpose of monitoring existing current alarms in the regions and for short-term prediction of strong shocks in Turkey compared with the observation results obtained from multidisciplinary earthquake prediction studies in iznik -Mekece area.

Benzer Tezler

  1. Tez No

    995864

    Bina tipi taşıyıcı sistemlerde bir yapı sağlığı izleme yöntemi önerisi: Basitleştirilmiş sayısal model ve hasar tespit algoritması

    A structural health monitoring method proposal for building-type structural systems: Simplified numerical model and damage detection algorithm

    EMRE GÖNÜLCÜ

    Doktora

    Türkçe

    Türkçe

    2026

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN ORAKDÖĞEN

    DR. ÖĞR. ÜYESİ AHMET ANIL DİNDAR

  2. Tez No

    887331

    Predictive error compensated wavelet neural networks framework for time series prediction

    Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı

    SERKAN MACİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  3. Tez No

    338111

    Aktüeryal modellemede bulanık destek vektör makineleri

    Fuzzy support vector machines in actuarial modeling

    FURKAN BAŞER

    Doktora

    Türkçe

    Türkçe

    2013

    Aktüerya BilimleriAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. AYŞEN APAYDIN

  4. Tez No

    918465

    Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi

    Hand and face analysis prediction with machine learning methods

    HÜSNEİREM KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAYHAN AYAR

  5. Tez No

    401678

    Learning in extreme conditions: Online and active learning with massive, imbalanced and noisy data

    Başlık çevirisi yok

    ŞEYDA ERTEKİN

    Doktora

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Pennsylvanıa State Unıversıty

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. C. LEE GILES

Geri Dön