Geri Dön

Prediction of landslide tsunami run-up through ann-based models

Heyelan kaynaklı tsunami tırmanmasının ann tabanlı modellerle tahmini

  1. Tez No: 723466
  2. Yazar: SAVAŞ YAĞUZLUK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BARAN AYDIN, DR. ÖĞR. ÜYESİ MUSTAFA AÇIKKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Nanoteknoloji ve Mühendislik Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Heyelan kaynaklı tsunami dalgalarının maksimum tırmanmalarını başarılı bir şekilde tahmin eden ve maksimum tırmanmayı etkileyen parametrelerin rollerini inceleyen çok katmanlı algılayıcı tabanlı tahmin yöntemleri önerilmiştir. Modellerin girdisi heyelan profilinin kesiti, sahilin eğim açısı, heyelanın başlangıçtaki derinliği, düşeydeki kalınlığı ve yataydaki genişliği ile maksimum tırmanmanın gerçekleştiği zaman olmak üzere 6 kestiricili yaklaşık 55.000 satırlık veri setinden oluşmaktadır. Hedef değişkeni maksimum tsunami tırmanmasıdır. Öncelikle bir optimizasyon çalışması gerçekleştirilmiş ve tüm veri setini temsil etmek üzere rastgele seçilmiş 9.000 satırdan oluşan bir veri seti belirlenmiştir. Daha sonra maksimum tırmanmayı tahmin edebilmek amacıyla, 6 kestiricinin tüm kombinasyonlarını içerecek şekilde 63 model oluşturulmuştur. Modellerin tahmin kabiliyetleri, ortalama karesel hata, ortalama mutlak hata, ortalama mutlak yüzde hata (MAPE) ve çoklu korelasyon katsayısı (R) performans göstergeleri hesaplanarak belirlenmiştir. MLP tabanlı modeller maksimum tırmanmayı yaklaşık %1,1 minimum MAPE ve R=1 ile tahmin etmiş ve heyelanın düşey kalınlığının tırmanma üzerindeki en etkili parametre olduğunu, heyelan profilinin kesiti ile sahilin eğim açısının ise etkisi en az seviyede olan parametreler olduğunu ortaya çıkarmıştır Ayrıca, pratik bir araç olarak ReliefF öznitelik önem yöntemi destekli bir geri eleme algoritması kullanılmıştır. Literatür sonuçları ile yapılan karşılaştırma önerilen modellerin güvenilirliğini ve uygulanabilirliğini göstermiştir. Bu nedenle, önerilen yaklaşım analitik ya da sayısal modelleri desteklemek amacıyla, ya da yoksunlukları durumunda hızlı ve hassas bir yöntem olarak kullanılabilecektir.

Özet (Çeviri)

New prediction models based on multilayer perceptron are proposed which successfully predict the maximum run-up of landslide-generated tsunami waves and the roles of parameters affecting the maximum run-up are assessed. The input to the models consists of approximately 55,000 rows of data employing six predictors, namely cross section of the landslide profile, the beach slope angle, the initial slide submergence, the vertical thickness and the horizontal length of the sliding mass, and the time of the maximum run-up. The target variable is the maximum tsunami run-up. An optimization study was first performed and a subset of 9,000 randomly sampled rows was determined to represent the whole data. A total number of 63 models consisting all possible combinations of the six parameters were then constructed for the 9,000-row data set, in an attempt to predict the maximum run-up. The prediction capability of the models was assessed by calculating Root Mean Square Error, Mean Absolute Error, Mean Absolute Percentage Error (MAPE), and Multiple Correlation Coefficient (R) as performance metrics. The MLP-based models led predictions with a minimum MAPE of approximately 1.1% and with R=1, revealing that the slide thickness has the largest impact on the maximum tsunami run-up, whereas the slide cross-section and the slope angle have minimal effect. Further, a backward elimination algorithm equipped with ReliefF feature importance method is utilized as a practical tool. Comparison with existing literature showed the reliability and applicability of the offered models. This approach can be therefore used as a fast and accurate methodology to support or when there is lack of analytical or numerical modeling.

Benzer Tezler

  1. The analytical solutions and deep learning assessment of long waves over linear and nonlinear breadth and depth profiles: 30 October 2020 İzmir tsunami case

    Doğrusal olan ve olmayan genişlik ve derinlik profilleri üzerinde uzun dalgaların çözümleri ve derin öğrenme ile değerlendirilmesi: 30 Ekim 2020 İzmir tsunamisi örneği

    ALİ RIZA ALAN

    Doktora

    İngilizce

    İngilizce

    2024

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Kıyı Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CİHAN BAYINDIR

  2. Uzun dalgaların tırmanma yüksekliğinin deneysel incelenmesi

    Experimental investigation on runup height of long waves

    NURAY GEDİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    İnşaat MühendisliğiBalıkesir Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. EMEL İRTEM

  3. Özellik seçimi algoritmaları kullanılarak heyelanda etkili faktörlerin belirlenmesi ve heyelan duyarlılık haritalarının üretilmesi

    Determination of effective factors using feature selection algorithms and production of landslide susceptibility maps

    EMREHAN KUTLUĞ ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2017

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZHAN İPBÜKER

    PROF. DR. TAŞKIN KAVZOĞLU

  4. Web tabanlı açık kaynak kodlu bir platform geliştirilerek jeodezik çalışmalarla kabuk deformasyonlarının statik modelle belirlenmesinin incelenmesi

    Examining the determination of crustal deformationsby static model with geodetic studies by developing aweb-based open-source code platform

    MEHMET BAK

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. RAHMİ NURHAN ÇELİK

  5. Prediction of breach parameters caused by failure of landslide dams

    Toprak kayması sonucu oluşan barajların yıkılma parametrelerinin tahmini

    LEVENT DİREKCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İnşaat MühendisliğiGaziantep Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. AYTAÇ GÜVEN

    DR. ÖĞR. ÜYESİ ALPER AYDEMİR