Geri Dön

Derin öğrenme yöntemlerini kullanarak deprem tahmini

Earthquake prediction by using deep learning methods

  1. Tez No: 733954
  2. Yazar: METİN KARCI
  3. Danışmanlar: PROF. DR. İSMAİL ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Büyük depremlerin tahmini önemli ve zor bir konudur. Deprem tahmininin amacı, depremleri önceden belirleyerek ölüm oranını ve yıkımları azaltmak için gereken önlemleri almaktır. Depremleri önceden tahmin edebilmek için depremlerin çok iyi analiz edilmesi gerekmektedir. Depremleri kesin olarak tahmin edebilen genelleştirilmiş bir çalışma henüz gerçekleştirilememiştir. Ancak araştırmacılar önceden meydana gelmiş deprem kayıtlarını inceleyerek bazı deprem kalıpları oluşturmaya çalışmaktadır. Olası depremleri önceden tahmin edebilmek için çok farklı çalışmalar yapılmaktadır. Bu çalışmalar genel olarak istatistiksel yöntemler ve son zamanlarda ise yapay zekâ ve derin öğrenme üzerine yoğunlaşmıştır. Daha başarılı tahminlerde bulunmak için yapay zekânın alt alanlarından olan derin öğrenme mimarileri kullanılmaktadır. Özyinelemeli Sinir Ağları (ÖSA) tahmin ve sınıflandırma gibi problemlerin çözümünde başarı oranı yüksek olduğu için tercih edilmektedir. Bu çalışmada Türkiye'de gerçekleşen depremlerin, katalog verilerinden tarih, enlem, boylam, depremin derinliği gibi bilgileri kullanılarak meydana gelecek olası depremin büyüklüğünün tahmin edilmesine yönelik bir model önerilmiştir. Bununla birlikte, belirlenen bir zaman dilimi içinde meydana gelecek depremleri tahmin edebilmek için bir özyinelemeli sinir ağı örneği olan Uzun Kısa Süreli Bellek (UKSB) modeli kullanılmıştır. Önerilen modeller, deprem veri setindeki zaman serileri ile eğitilmiş ve deprem tahmini yapılmıştır. Önerilen modellerin deprem tahmin sonuçları Çoklu Doğrusal Regresyon (ÇDR), Polinomal Regresyon (PR), Rastgele Orman (RO) ve Karar Ağaçları (KA) gibi makine öğrenmesi algoritmaları ile karşılaştırılmıştır. UKSB ile zaman ve deprem büyüklüğü tahmin modeli 0.54 R-kare değerine ulaşmıştır. Sonuç olarak önerilen deprem tahmin modellerinin daha iyi bir performansa sahip olduğu gözlemlenmiştir.

Özet (Çeviri)

The exact prediction of major earthquakes is an important issues. The purpose of the forecast is to take the necessary measures to reduce deaths and destruction by knowing about earthquakes in advance. The study and analysis of earthquakes is very important for earthquake prediction. A study that can accurately predict earthquakes has not yet taken place. However, researchers are working to create some earthquake patterns by studying the records of previous earthquakes. Various studies are carried out to predict future earthquakes. These studies have focused on statistical methods in general, and more recently on artificial intelligence and deep learning. Deep learning methods, one of the fields of artificial intelligence, are used to make realistic predictions. Recurrent Neural Network (RNN) is preferred because of its high success rate in solving problems such as prediction and classification. In this study, a model are proposed for estimating the magnitude of a possible earthquake by using information such as date, latitude, longitude and depth of the earthquake from earthquake data in Turkey. In addition, the Long Short Term Memory (LSTM) model, which is a type of RNN, is used to predict the time together with the magnitude of the earthquake that will occur. The proposed model is trained with the time series in the prepared earthquake data set and estimation has been made. The earthquake prediction results of the proposed model and the most commonly used machine learning algorithms, Multiple Linear Regression (MLR), Polynomial Regression (PR), Decision Trees (DT), Random Forest Regression (RF) ) results are compared. The time and earthquake magnitude estimation model with UKSB reached an R-square value of 0.54. As a result, it has been observed that the proposed earthquake prediction models have a better performance.

Benzer Tezler

  1. Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches

    Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük

    PEIJUAN WANG

    Doktora

    İngilizce

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. Uzun kısa süreli bellek (LSTM) kullanarak İstanbul ve civarı için deprem eğilimi tahmini

    Earthquake trend prediction for İstanbul and surroundings using long short term memory (LSTM)

    YASİN KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN ALTUNTAŞ

  3. Prediction of pore pressure and deviatoric stress generation for liquefiable soils under cyclic loading using machine learning

    Sıvılaşabilen zeminlerde dinamik yükleme durumunda boşluk suyu basıncı ve deviatorik gerilme değişiminin makine öğrenmesi yöntemleriyle tahmin edilmesi

    ÖMER TUĞŞAD BİRİNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BARIŞ CAN ÜLKER

  4. Hızlı değerlendirme yöntemleri ve evrişimli sinir ağlarι kullanılarak yapı performansı tahmini

    Structural performance estimation by using rapid evaluation methodes and convolutional neural networks

    EMRE EMIN KECHAGIA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat MühendisliğiGazi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDUSSAMET ARSLAN

  5. Modeling of the ionosphere's disturbance using deep learning techniques

    İyonosfer bozulmaların derin öğrenme teknikleri kullanılarak modellenmesi

    RAHEM ABRI ZANGABAD

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HARUN ARTUNER