Depremlerin magnitüd türü dönüşümü ve maksimum yer hareketi ivmesi (PGA) tahmininde yapay zeka uygulamaları
The applications of artificial intelligence for magnitude types conversion and peak ground acceleration (PGA) prediction of earthquakes
- Tez No: 675764
- Danışmanlar: PROF. DR. NİLGÜN LÜTFİYE SAYIL
- Tez Türü: Doktora
- Konular: Jeofizik Mühendisliği, Geophysics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeofizik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sismoloji Bilim Dalı
- Sayfa Sayısı: 166
Özet
Türkiye, Kuzey Anadolu Fay Zonu, Doğu Anadolu Fay Zonu ve Ege Açılma Sistemi gibi aktif tektonik yapıları içermesinden dolayı yüksek deprem tehlikesine sahiptir. Bu nedenle, sismik tehlike değerlendirme çalışmalarının güvenilir ve doğruluğunun yüksek olması gerekmektedir. Sismoloji ve tehlike değerlendirme çalışmaları içeresinde homojen deprem magnitüd türü için dönüşüm denklemleri ve depremlerin mühendislik yapılarına etkilerini belirlemek için maksimum yer hareketi ivmesi (PGA) değerleri kullanılmaktadır. Bu tez kapsamında depremlerin magnitüd türü dönüşümü ve depremlerin PGA değerlerinin hesaplanması için Yapay Sinir Ağları (YSA), Meta-sezgisel algoritmalar ve Makine Öğrenmesi algoritmaları gibi Yapay Zeka (YZ) teknikleri kullanılarak denklemler, YSA ve regresyon modelleri geliştirilmiştir. Magnitüd türü dönüşümü için, Türkiye ve civarında (1900-2020) meydana gelen (M ≥ 4.0) depremlerin farklı magnitüd türleri ve değerleri kullanılarak regresyon yöntemleriyle 8 denklem ve makine öğrenmesi algoritmalarıyla 3 regresyon modeli oluşturulmuştur. PGA tahmini için, Türkiye ve civarında meydana gelen depremlerin (1976–2020) parametrelerinden oluşan 2 veri setiyle (M ≥ 3.0 ve Mw ≥ 5.0) 6 farklı veri formuna göre YSA ile Meta-sezgisel algoritmalar kullanılarak modeller ve makine öğrenmesi algoritmalarıyla 3 regresyon modeli oluşturulmuştur. Tüm modeller oluşturulan test verileriyle literatürden seçilen magnitüd türü dönüşümü ve PGA tahmin denklemleri ile karşılaştırılmıştır. Magnitüd türü dönüşümü için oluşturulan regresyon modelleri gerçek değerlere daha yakın sonuçlar vermişlerdir. PGA tahmini için oluşturulan YSA ve regresyon modellerinin, literatürden seçilen tahmin denklemlerine göre ölçülen PGA değerlerine daha yakın değerler hesapladığı görülmüştür. Özellikle, YZ teknikleriyle yapılan ölçülen değerlere daha yakın PGA tahminleri sismik tehlike çalışmalarının güvenirliliğini artıracaktır. Ayrıca, sismoloji ve mühendislik sismolojisi alanlarındaki bu önemli değerlendirmelerde YZ tekniklerinin etkin bir şekilde kullanılabileceği görülmüştür.
Özet (Çeviri)
Turkey has a high seismic hazard due to the inclusion of active tectonic structures such as the North Anatolian Fault Zone, the East Anatolian Fault Zone and the Aegean System. Therefore, seismic hazard assessment must be reliable and have high accuracy. In seismology and hazard assessment, magnitude type conversion equations and peak ground acceleration (PGA) values are used for a homogeneous earthquake magnitude type and for determining the effects of earthquakes on engineering structures. The goal of this thesis, Artificial Neural Networks (ANN) models, regression models and equations have been developed to calculate PGA values of earthquakes and conversion of earthquake magnitude types by using Artificial Intelligence (AI) techniques such as ANN, Meta-heuristic algorithms and Machine Learning (ML) algorithms. For magnitude type conversion 8 equations and 3 regression models were created by using regression methods and ML algorithms by values and magnitude (M ≥ 4.0) types of earthquakes (1900-2020) occurred in Turkey and its surroundings. For PGA prediction, ANN models and 3 regression models were created using ANN with Meta-heuristic algorithms and ML algorithms according to 6 different data forms with 2 data sets consisting of parameters of earthquakes (M ≥ 3.0 and Mw ≥ 5.0). All models were compared with the magnitude type conversion and PGA prediction equations selected from the literature according to the test data. Regression models formed for the magnitude type conversion gave close results to the real values. The formed ANN models and regression models calculated close values to the measured PGA values from the compared PGA prediction equations. In particular, close PGA values to the measured PGA values predicted by AI techniques will increase the reliability of seismic hazard assessments. In addition, it has been observed that AI techniques can be used effectively in seismology and engineering seismology.
Benzer Tezler
- İstanbul'da olası deprem senaryoları için yapılan çalışmalara ait sistematik bir literatür derlemesi
A systematic literature review of studies for possible earthquake scenarios in Istanbul
DİLEK SEMA
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimÇanakkale Onsekiz Mart ÜniversitesiAfet Eğitimi ve Yönetimi Ana Bilim Dalı
DOÇ. DR. EBRU CAYMAZ
- Konut türü betonarme binaların deprem güvenliğinin incelenmesi
Investigation of seismic safety of type of residental reinforced concrete buildings
HAKAN DİLMAÇ
Doktora
Türkçe
2017
Deprem MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. FUAT DEMİR
YRD. DOÇ. DR. HAMİDE TEKELİ
- İstanbul ve çevresi sismik risk analizi ve hedef spektrumuna uygun yapay deprem ivme kaydı üretilmesi
Seismic risk analysis for İstanbul and generation of synthetic earthquake time histories compatible with the design spectrum
BEYZA TAŞKIN
- Doğal afetlerin kamu maliyesi üzerine etkisi: Türkiye örneği
The impact of natural disasters on public finance: Turkish case
SEVDA AKAR
- Isparta büklümünü oluşturan tektonik yapıların sismolojik yöntemlerle araştırılması
Investigation of the tectonic structures forming the isparta angle through seismological methods
SELDA ALTUNCU POYRAZ
Doktora
Türkçe
2009
Jeofizik Mühendisliğiİstanbul ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ PINAR
PROF. DR. MUSTAFA KEMAL TUNÇER