Bayesian modeling of co-seismic slip using GNSS data: 2002 Çay earthquake
GNSS verilerini kullanarak ko-sismik kaymanın bayesian modellenmesi: 2002 Çay depremi
- Tez No: 905335
- Danışmanlar: DOÇ. DR. ALİ ÖZGÜN KONCA, PROF. DR. SEMİH ERGİNTAV
- Tez Türü: Yüksek Lisans
- Konular: Jeofizik Mühendisliği, Geophysics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü
- Ana Bilim Dalı: Jeofizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Türkiye'nin güneybatısında, Afyon-Sultandağı bölgesinde saat 07:11:28'de (GMT) Mw 6.5 büyüklüğünde bir ana şok meydana gelmiş ve yaklaşık iki saat sonra, 09:26:49'da (GMT) Mw 5.8 büyüklüğünde bir artçı şok ile devam etmiştir. Ana şok, Eber Gölü'nün güneyinde gerçekleşmiş olup yüzeyde süreksiz kırılmalara ve belirgin bir yüzey deformasyonuna neden olmuştur. Depremin kaynak parametrelerini incelemek için birçok araştırmacı geleneksel telesismik ve jeodezik verilerle çalışmıştır. Ancak, ko-sismik deformasyonu daha net bir şekilde görüntülemek ve sismojenik fayın geometrisi ile kayma dağılımını daha doğru bir şekilde belirlemek için bu çalışmada Bayesçi bir yaklaşım tercih edilmiştir. Bayesçi yaklaşım, gözlemler, kaynak modele dair fiziksel öncül bilgiler ve ileri model tahminleri ile gözlemler arasındaki farkların dağılımını dikkate alarak, model parametrelerinin tüm olası değerlerini içeren bir ardıl olasılık yoğunluk fonksiyonu (PDF) oluşturur. Bu çalışmada, rectangular source model ve finite fault modelleme için jeodezik veri seti kullanılmıştır. Sonuçlar, 2002 Çay Depremi'nin baskın olarak bir normal faylanma mekanizmasıyla birlikte önemli bir sol yanal doğrultu atımlı bileşen içerdiğini doğrulamaktadır. Fay geometrisi, 277°'lik bir doğrultu açısı, 43°'lük bir eğim açısı ve -56°'lik bir kayma açısı ile bölgenin genel tektonik çerçevesiyle uyumlu bir yapı sergilemiştir. Bayesçi yöntem ile doğrulanan tekdüze kayma modeli, yüzey deformasyon desenlerini etkili bir şekilde yakalamış ve %92'lik bir varyans azaltma başarısı elde etmiştir. Bu bulgu, özellikle sınırlı sismik veri bulunan bölgelerde Bayesçi yöntemlerin fay dinamiklerini doğru bir şekilde modelleme konusundaki gücünü göstermektedir.
Özet (Çeviri)
In southwestern Turkey, in the Afyon-Sultandağı region, a mainshock of magnitude Mw 6.5 occurred at 07:11:28 (GMT) and was followed approximately two hours later at 09:26:49 (GMT) by an aftershock of magnitude Mw 5.8. The mainshock took place south of Eber Lake, causing surface discontinuities and significant surface deformation. Numerous researchers have studied the earthquake's source parameters using traditional teleseismic and geodetic data. However, to better visualize the co-seismic deformation and more accurately determine the geometry and slip distribution of the seismogenic fault, a Bayesian approach was adopted in this study. The Bayesian approach creates a posterior probability density function (PDF) that encompasses all possible values of model parameters by incorporating observations, prior physical knowledge of the source model, and the distribution of differences between forward model predictions and observations. In this study, geodetic datasets were utilized for both the rectangular source model and finite fault modeling. The results confirm that the 2002 Çay Earthquake predominantly involved a normal faulting mechanism with a significant left-lateral strike-slip component. The fault geometry, characterized by a strike angle of 277°, a dip angle of 43°, and a rake angle of -56°, aligns well with the regional tectonic framework. The uniform slip model, validated by the Bayesian method, effectively captured surface deformation patterns and achieved a variance reduction of 92%. This finding highlights the power of Bayesian methods in accurately modeling fault dynamics, particularly in regions with limited seismic data.
Benzer Tezler
- Bütünleştirici modül ağlarıyla gen düzenleme analizi
Gene regulation analysis with integrative module networks
GİRAY SERCAN ÖZCAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN OĞUL
- Derin öğrenme yöntemi ile hava kalitesi parametrelerinin tahmini: Sakarya örneği
Forecasting air quality parameters by deep learning method: A case study of Sakarya
AYŞEGÜL ATALI
Yüksek Lisans
Türkçe
2023
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEYTULLAH EREN
- Optimization of poly(lactic-co-glycolic acid) particle properties for biomedical applications
Biyomedikal uygulamaları için polilaktik-ko-glikolik asit partikül özelliklerinin optimizasyonu
AYBARAN OLCA KEBABCI
Yüksek Lisans
İngilizce
2024
Kimya MühendisliğiKoç ÜniversitesiKimya ve Biyoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SEDA KIZILEL
- Purchase prediction and item prediction with RNN using different user-item interactions
Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi
FULYA ÇELEBİ SARIOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı
Plant and phenology recognition from field images using texture and color features
FATİH GÜLAÇ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT