Uzun-kısa süreli bellek ve uyarlamalı sinirsel bulanık çıkarım sistemi ile deprem büyüklüğü tahmini
Earthquake magnitude prediction with long-short term memory and adaptive neuro fuzzy inference system
- Tez No: 797707
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN KAYHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
Aniden oluşan ve yıkıcı faaliyeti yüksek olan doğal afetlerden olan depremin sebebiyet vereceği kayıplar olabilir. Bu kayıpları önlemek ve tedbir alabilmek için deprem tahmini, üzerine çalışılan bir konu olmuştur. Depremin ne zaman, nerede ve ne büyüklükte olacağının tahmin edilmesi, deprem tahmini üzerine yapılan çalışmalardır. Bu tez çalışmasında deprem büyüklüğü tahmini için iki model önerilmiştir. Bunlar, barındırdığı hafıza mekanizması sayesinde tahmin problemlerinde başarılı sonuçlar veren uzun-kısa süreli bellek (UKSB) ve kural tabanlı yapısıyla tahminleme problemlerinde başarılı sonuçlar veren uyarlamalı sinirsel bulanık çıkarım sistemi (USBÇS)dir. Son 20 yıllık deprem verileri filtrelenerek toplanmıştır. Literatürde depremsellik göstergeleri olarak adlandırılan özellik çıkarma yöntemleriyle veri işlenmiştir. Burada hesaplamalar 4.0, 4.5 ve 5.0 olarak seçilen eşik büyüklüklerine göre yapılmıştır ve 3 yeni veri kümesi elde edilmiştir. Modellerde kullanmak üzere, değerler 0-1 aralığında olacak şekilde veri normalleştirme işlemi uygulanmıştır. Rastsallığı sağlamak amacıyla veri kümesine bir karıştırma metodu uygulanmıştır. Veri kümesi %80'i model eğitiminde %20'si model testinde kullanılmak üzere ikiye ayrılmıştır. Modellerin başarımını değerlendirmek adına k-katlamalı çapraz doğrulama tekniği de uygulanmıştır. Her iki modelde bu veri kümeleri kullanılmak üzere 6 senaryo oluşturulmuştur. Veri boyutluluğunu azaltmak adına temel bileşenler analizi (TBA) veri kümelerine uygulanmış ve özellik sayısı 7'den 4'e indirilmiştir. Bu şekilde 3 yeni veri kümesi daha türetilmiştir. Bu veri kümeleri de aynı şekilde işlemlere tabi tutulmuş ve 6 yeni senaryo oluşturulmuştur. Tüm bu senaryolarda modellerin hata oranlarını değerlendirmek için KOKH ve OKH ölçütleri, başarımlarını doğrulamak için R2 skoru hesaplanmıştır. Son 20 yıllık veri kümesinin eşik büyüklüğü 4.0 seçildiği TBA uygulanmış verilerinin kullanıldığı senaryoda 0.99565 R2 skoru ile UKSB modeli en iyi başarımı göstermiştir. Bu model, deprem büyüklüğü tahminlemesinde tutarlı sonuçlar üreterek deprem büyüklüğünü tahmin etmeye yardımcı olacaktır.
Özet (Çeviri)
There may be losses caused by an earthquake, which is one of the natural disasters that occurs suddenly and has a high destructive activity. In order to prevent these losses and take precautions, prediction of earthquake has been a subject of study. Predicting when, where and how many magnitude an earthquake will occur is the study of earthquake prediction. Two models are proposed in this thesis. These are the long-short-term memory networks (LSTM), which gives successful results in prediction problems thanks to the memory mechanism it contains, and the adaptive neuro-fuzzy inference system (ANFIS), which gives successful results in prediction problems with its rule-based structure. The earthquake data of the last 20 years were collected by filtering. Data were processed by feature extraction methods, which is called seismicity indicators in the literature. The calculations were made according to the threshold magnitude selected as 4.0, 4.5 and 5.0, and 3 new datasets were obtained. To be used in the models, the data normalization process was applied so that the values are in the range of 0-1. A shuffling method was applied to the dataset to ensure randomness. The dataset is divided into two, 80% for model training and 20% for model testing. In order to evaluate the performance of the models, the k-fold cross validation technique was also applied. In both models, 6 scenarios were created to use these datasets. Principal component analysis (PCA) was applied to datasets to reduce data dimensionality and the number of features was reduced from 7 to 4. In this way, 3 new datasets were derived. These datasets were also processed in the same way and 6 new scenarios were created. In these scenarios, RMSE and MSE criteria were calculated to evaluate the error rates of the models, and the R2 score was calculated to verify their performance. The LSTM model showed the best performance with an R2 score of 0.99565 in the scenario where the threshold size of the last 20 years data set was selected as 4.0 and the PCA applied data was used. This model will help predict earthquake magnitude by producing consistent results in prediction of earthquake magnitude.
Benzer Tezler
- Sakarya Havzasındaki kısa dönem meteorolojik kuraklığın hibrit modeller ile tahmin edilmesi
Prediction of short-term meteorological drought in the Sakarya Basin with hybrid models
ÖMER COŞKUN
Doktora
Türkçe
2023
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE ÇITAKOĞLU
- Kripto para değerlerinin yapay zekâ teknikleri ile tahmini
Forecasting of cryptocurrency prices using artificial intelligence techniques
FURKAN ATLAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN PENÇE
- Abstract meaning representation of Turkish
Türkçenin soyut anlam temsilleri
KADRİYE ELİF ORAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLŞEN ERYİĞİT
- Uzun kısa süreli bellek tabanlı sistem tanıma ve uyarlamalı kontrol
Long short term memory based system identificationand adaptive control
ÇAĞATAY SANATEL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Efficient image annotation and caption system using deep convolutional neural networks
Verimli görüntü açıklama ve altyazı sistemi derin evrişimli sinir ağlarının kullanımı
JUMAN SAKKAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAED ALQARALEH