Derin öğrenme yöntemlerini kullanarak deprem tahmini
Earthquake prediction by using deep learning methods
- Tez No: 733954
- Danışmanlar: PROF. DR. İSMAİL ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN ALTUNTAŞ
- 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
2024
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BARIŞ CAN ÜLKER
- 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
2022
İnşaat MühendisliğiGazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDUSSAMET ARSLAN
- Modeling of the ionosphere's disturbance using deep learning techniques
İyonosfer bozulmaların derin öğrenme teknikleri kullanılarak modellenmesi
RAHEM ABRI ZANGABAD
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HARUN ARTUNER