Derin öğrenme yöntemleriyle deprem şiddeti tahmini
Earthquake intensity estimation with deep learning methods
- Tez No: 790460
- Danışmanlar: DOÇ. DR. DURMUŞ ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Deprem Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Earthquake Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Deprem, Deprem analizi, Deprem bölgeleri, Deprem katalogları, Deprem parametreleri, Deprem şiddeti, Derin öğrenme, Earthquake, Earthquake analysis, Earthquake zones, Earthquake catalogs, Earthquake parameters, Earthquake force, Deep learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Deprem tahmini yapmak, ölüm oranını ve yıkımları azaltmak adına önemli bir konudur. Meydana gelmesi muhtemel depremleri önceden tahmin edebilmek için, depremlerin çok iyi analiz edilip iyi değerlendirilmesi gereklidir. Fakat henüz depremleri kesin olarak tahmin edebilen bir çalışma yapılmamıştır. Günümüze kadar yapılan çalışmalar incelendiğinde, istatistiksel yöntemler, yapay zeka ve yapay zekanın bir alt alanı olan derin öğrenme üzerine yoğunlaşıldığı görülmektedir. Bu çalışmada, Türkiye'de daha önceden meydana gelmiş depremlerin, katalog verilerinden tarih, zaman, derinlik, enlem ve boylam parametreleri kullanılarak meydana gelecek olası depremin şiddetinin tahmin edilmesine yönelik bir klasik yapay sinir ağı modeli Deprem Şiddeti Tahmin Modeli (DŞTM) önerilmiştir. Bununla birlikte bir haftalık ve iki haftalık zaman periyodu olmak üzere iki farklı zaman periyodu içinde meydana gelecek depremlerin şiddetini tahmin edebilmek için, özyinelemeli sinir ağı örneği olan Long Short Time Memory (LSTM) modeli kullanılarak bir LSTM ile deprem şiddeti tahmin modeli önerilmiştir. Önerilen iki modelin tahmin sonuçları Autoregressive Integrated Moving Average (ARIMA) modeli ile karşılaştırılmıştır. LSTM ile Deprem şiddeti tahmin modeli 0.561 R-kare değerine ulaşmıştır. Sonuç olarak önerilen her iki deprem tahmin modellinin de ARIMA modeline göre daha iyi bir performansa sahip olduğu gözlemlenmiştir.
Özet (Çeviri)
Predicting earthquakes is an important issue to reduce the death rate and destruction. In order to predict possible earthquakes, it is necessary to analyze and evaluate the earthquakes very well. However, there has not been a study that can predict earthquakes precisely. When the studies done so far are examined, it is seen that statistical methods, artificial intelligence and deep learning, which is a sub-field of artificial intelligence, are focused on. In this study, a classical artificial neural network model Earthquake Intensity Prediction Model (DŞTM) is proposed to predict the intensity of a possible earthquake by using date, time, depth, latitude and longitude parameters from catalog data of previous earthquakes in Turkey. However, in order to predict the intensity of earthquakes that will occur in two different time periods, one-week and two-week time periods, an earthquake intensity prediction model with LSTM is proposed using the Long Short Time Memory (LSTM) model, which is an example of a recursive neural network. The prediction results of the two proposed models were compared with the Autoregressive Integrated Moving Average (ARIMA) model. Earthquake intensity prediction model with LSTM reached an R-square value of 0.561. As a result, it has been observed that both proposed earthquake prediction models have a better performance than the ARIMA model.
Benzer Tezler
- Derin öğrenme tabanlı bölütleme yöntemleriyle deprem sonrası uydu görüntülerinden hasarlı bölgelerin tespiti: 6 Şubat 2023 Türkiye depremleri örneği
Detection of damaged regions from post-earthquake satellite images with deep learning based segmentation methods: The case of February 6, 2023 Türkiye earthquakes
MEHMET CAN EKKAZAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MİNE ELİF KARSLIGİL
- Yapay zeka teknikleri ve tusaga-aktif gnss istasyonlarının iyonosferik toplam elektron içeriği verileri ile Türkiye'deki depremlerin önceden tahmin edilebilirliğinin araştırılması
Investigation of the predictability of earthquakes in Turkey with artificial intelligence techniques and ionospheric total electron content data of tusaga-active gnss stations
HAKAN UYANIK
Doktora
Türkçe
2026
Astronomi ve Uzay BilimleriFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- 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
- Resilient and sustainable smart cities: Cybersecurity, disaster management, and data-driven urban solutions
Dayanıklı ve sürdürülebilir akıllı şehirler: Siber güvenlik, afet yönetimi ve veri odaklı kent çözümleri
KIYMET KAYA
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖGÜDÜCÜ
- 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