Spatio-temporal earthquake prediction with structural recurrent neural networks
Yapısal tekrarlayan sinir ağları ile zaman-mekansal deprem tahmini
- Tez No: 692498
- Danışmanlar: DR. ÖĞR. ÜYESİ ENGİN DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Deprem tahmin problemi, belirli bir bölgede, minimum Richter büyüklüğünde ve bir zaman aralığında depremin meydana gelme olasılığının tahmini olarak tanımlanabilir. Bu uzun süredir üzerinde çalışılan bir araştırma problemidir, ancak son on yıla kadar çok fazla ilerleme kaydedilememiştir. Hesaplama sistemlerinde ve derin öğrenme modellerindeki gelişmeler ile birlikte önemli sonuçlar elde edilmeye başlanmıştır. Bu tezde, mekansal yakınlığı ve bölgelerdeki fay hatlarının varlığı gibi ön bilgileri dikkate alan, bu bilgileri sistematik olarak işleyen yapısal tekrarlayan sinir ağını (SRNN) kullanan modeller sunulmuştur. Türkiye ve Çin gibi ölçek ve deprem bölgelerinin büyük ölçüde farklı olduğu iki ayrı bölgede deneyler gerçekleştirilmiştir. SRNN modelleri, kıyaslama yapılan baz model ve bilinen en iyi modellere göre daha iyi performans sonuçları elde etmiştir. Özellikle birinci dereceden mekansal komşuluğa ve fay hatlarına dayalı yapısal sınıflandırmaya göre kurgulanan SRNNClass_near modeli, en yüksek F_1 skoruna ulaşmıştır.
Özet (Çeviri)
The earthquake prediction problem can be defined as a given a minimum Richter magnitude scale and a specified geographic region, predicting the possibility of an earthquake in that region within a time interval. This is a long time studied research problem, but not much progress is achieved until the last decade. With the advancement of computational systems and deep learning models, significant results are achieved. In this thesis, we introduce novel models using the structural recurrent neural network (SRNN) that capture the spatial proximity and structural properties such as the existence of faults in regions. Experimental results are carried out in two distinct regions such as Turkey and China, where the scale and earthquake zones differ greatly. SRNN models achieve better performance results compared with the baseline and the state of the art models. Especially SRNNClass_near model, which captures first-order spatial neighborhood and structural classification based on fault lines, results in the highest F_1 score.
Benzer Tezler
- Improved mambabda framework for robust building damage assessment across disaster domains
Farklı afet türlerinde bina hasar değerlendirmesi için geliştirilmiş mambabda çerçevesi
ALP EREN GENÇOĞLU
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Modeling non-stationary dynamics of spatio-temporal sequences with self-organizing point process models
Kendini düzenleyen noktasal süreç modelleri ile uzay-zamansal dizilerin durağan olmayan dinamiklerini modelleme
OĞUZHAN KARAAHMETOĞLU
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT
- Deprem habercisi olarak radon ve depremler arasındaki ilişkinin belirlenmesi için yeni bir metot: Regresif uzay-zaman noktasal toplam yarıvariogram
A new method for determination of the relationship between radon and earthquakes as earthquake precursor: Regressive spatio temporal point cumulative semivariogram
SEÇİL NİKSARLIOĞLU
Doktora
Türkçe
2017
Fizik ve Fizik MühendisliğiFırat ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. FATİH KÜLAHCI
- Deprem verilerinin zamansal ve mekansal analizi
Temporal and spatial analysis of earthquake data
MEHMET BARIŞ ŞEN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN TUNALI
- Machine learning of social media data on a spatio-temporal basis
Sosyal medya verilerinin zaman-mekansal temellere göre makine öğrenimi
BÜŞRA YEŞİLBAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN