Zaman serisi analizi yöntemleri ile deprem verilerinin analizi
Earthquake data analysis with time series methods
- Tez No: 951993
- Danışmanlar: PROF. DR. CEM KADILAR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Türkiye, coğrafi konumu itibarıyla birçok aktif fay hattı üzerinde yer almakta ve bu nedenle sık sık çeşitli büyüklüklerde depremlerle karşı karşıya kalmaktadır. Bu depremler hem ekonomik hem de psikolojik açıdan insan yaşamında geri dönülmesi zor etkiler yaratmaktadır. Bu çalışmada, deprem verilerinin analizi için öncelikle klasik regresyon modelleri kullanılmış, ardından daha gelişmiş yöntemler olan kantil regresyon, makine öğrenmesi tabanlı XGBoost regresyon modeli gibi modeller uygulanmıştır. İstatistiksel olarak, en uygun yöntemin LSTM Yöntemi olduğu sonucuna ulaşılmıştır. Analizler kapsamında deprem büyüklüğü (Mw), derinlik ve episantr koordinatları (enlem-boylam) dikkate alınarak modelleme yapılmıştır. Çalışmanın uygulama kısmında, özellikle Marmara Bölgesi ve İstanbul ili odaklı analizler gerçekleştirilmiş; İstanbul'un 39 ilçesi için çeşitli derinlik seviyelerinde (10 ve 30 km) deprem büyüklüğü tahminleri üretilmiştir. Elde edilen tahminler görselleştirilerek hem çizgi grafikler hem de ısı haritaları aracılığıyla sunulmuş ve bölgesel risk dağılımları görsel olarak karşılaştırılmıştır. Ayrıca, derinlik değişkeninin deprem büyüklüğü üzerindeki etkisi istatistiksel olarak incelenmiş; bu kapsamda doğrusal regresyon analizi uygulanmıştır. Regresyon analizi sonucunda, derinlik ile Mw arasında anlamlı bir ilişki olduğu tespit edilmiş ve derinliğin artmasının tahmini Mw değerini istatistiksel olarak artırdığı sonucuna varılmıştır. Tüm bu yöntemler sonucunda, depremlerin belirli istatistiksel yapı ve mekansal düzenlilikler gösterdiği ortaya konmuş ve elde edilen modellerle gelecekte yaşanabilecek olası depremlere dair tahminler yapılmıştır. Bu tez çalışması, deprem büyüklüklerinin tahmini için uygun modellerin oluşturulabileceği ve bu modellerden güvenilir bilimsel tahminlerin yapılacağını ortaya koymuştur.
Özet (Çeviri)
Turkey is situated on numerous active fault lines due to its unique geographical location, and as a result, it frequently experiences earthquakes of varying magnitudes. These earthquakes have profound and often irreversible effects on human life, both economically and psychologically. To analyze the earthquake data, the study initially employed classical regression models, followed by the application of more advanced techniques such as quantile regression and the machine learning-based XGBoost regression model. From a statistical standpoint, the LSTM method was determined to be the most suitable among the methods applied. The modeling process considered earthquake magnitude (Mw), depth, and epicenter coordinates (latitude and longitude) as key variables. In the application phase of the study, analyses were particularly focused on the Marmara Region and the province of Istanbul. For Istanbul's 39 districts, earthquake magnitude predictions were generated at varying depth levels (10 and 30 km). The resulting predictions were visualized using both line graphs and heat maps, enabling a comparative assessment of regional risk distributions. Furthermore, the impact of depth on earthquake magnitude was examined statistically through linear regression analysis. The results indicated a statistically significant relationship between depth and Mw, concluding that an increase in depth tends to lead to higher predicted Mw values. Overall, the findings suggest that earthquakes exhibit certain statistical structures and spatial patterns. The developed models provide scientifically reliable forecasts for potential future earthquakes. This thesis demonstrates that it is possible to construct appropriate models for predicting earthquake magnitudes and that these models can yield robust and credible scientific estimations.
Benzer Tezler
- Yapay sinir ağlarına dayalı yağış tahmin ve analizi
Prediction and analysis of rainfall based on artificial neural networks
ALPEREN UZUNALİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHAR İLGEN
- Atmosferik depolama tanklarında güncel hasarlarla ampirik ve analitik kırılganlık analizi
Empirical and analytical fragility analysis with current damages in atmospheric storage tanks
FIRAT BEZİR
Yüksek Lisans
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ SARI
- Kaotik zaman serilerinin yapay sinir ağlarıyla kestirimi: Deprem verisi durumu
Chaotic time-series prediction with artificial neural networks: The case of earthquake data
UMUT FIRAT
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TÜLAY YILDIRIM
- Spatio-temporal monitoring of surface deformation on the North Anatolian fault zone
Kuzey Anadolu fay zonunda yüzey deformasyonunun uzay-zamanlı izlenmesi
ÇAĞKAN SERHUN ZOROĞLU
Yüksek Lisans
İngilizce
2021
Jeodezi ve FotogrametriBoğaziçi ÜniversitesiJeodezi ve Fotogrametri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜLAY KAYA EKEN
- Overview of deformation monitoring techniques: A case study of structural displacement analysis
Deformasyon izleme tekniklerine genel bakış: Yapısal yer değiştirmelerin analizinde örnek bir çalışma
RIHAB TAWFEEQ HUSSEIN
Yüksek Lisans
İngilizce
2020
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER EROL