Geri Dön

Makine öğrenmesi metotları kullanılarak Sivas ilinde deprem veri analizi ve riskli bölge tahmini

Earthquake data analysis and risky area prediction in Sivas province using machine learning methods

PDF İndir

  1. Tez No: 958356
  2. Yazar: NURCAN TURAN KOÇ
  3. Danışmanlar: PROF. DR. SERKAN AKKOYUN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Deprem Mühendisliği, Jeoloji Mühendisliği, Computer Engineering and Computer Science and Control, Earthquake Engineering, Geological Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sivas Cumhuriyet Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Depremler, can ve mal kayıplarına neden olan, altyapıyı tahrip eden ve toplumsal yapıyı derinden etkileyen en yıkıcı doğal afetler arasında yer almaktadır. Bu çalışmada, Sivas ili Merkez ilçesi merkez alınarak 100 kilometre yarıçaplı bir alanda 1900–2025 yılları arasında meydana gelen 551 adet depreme ait veriler analiz edilmiştir. Boğaziçi Üniversitesi Kandilli Rasathanesi veri tabanından elde edilen tarih, saat, enlem, boylam, derinlik, şiddet ve yer bilgilerini içeren bu veri seti Python programlama dili ile işlenmiş; ardından makine öğrenmesi algoritmaları uygulanarak deprem büyüklüğü tahmin edilmiştir. Çalışmada kullanılan algoritmalar arasında Destek Vektör Makineleri (SVM), Extreme Gradient Boosting (XGBoost), K-En Yakın Komşu (KNN), Karar Ağaçları (DT) ve Rastgele Orman (RF) yer almaktadır. Tahmin sürecine ek olarak, depremler üç sınıfa ayrılarak sınıflandırma analizi yapılmış ve dengesiz sınıflar SMOTE yöntemiyle dengelenmiştir. Ayrıca, coğrafi koordinatlara dayalı mekânsal analizler ile bölgesel risk haritası oluşturulmuştur. Model performansları doğruluk, kesinlik, duyarlılık ve F1-skor gibi ölçütlerle değerlendirilmiş, XGBoost ve Random Forest algoritmalarının diğerlerine göre daha başarılı sonuçlar verdiği görülmüştür. Bu bulgular, makine öğrenmesi temelli yöntemlerin deprem tahmini, risk analizi ve karar destek sistemleri açısından değerli katkılar sunabileceğini göstermektedir.

Özet (Çeviri)

Earthquakes are among the most devastating natural disasters, causing loss of life and property, damaging infrastructure, and deeply affecting the social structure. In this study, a total of 551 earthquakes that occurred between 1900 and 2025 within a 100-kilometer radius centered on the central district of Sivas province were analyzed. The dataset, obtained from Boğaziçi University Kandilli Observatory and Earthquake Research Institute, includes information on date, time, latitude, longitude, depth, magnitude, and location. These data were processed using the Python programming language, and earthquake magnitude prediction was carried out by applying machine learning algorithms. The algorithms used in the study include Support Vector Machines (SVM), Extreme Gradient Boosting (XGBoost), K-Nearest Neighbors (KNN), Decision Trees (DT), and Random Forest (RF). In addition to magnitude prediction, a classification analysis was conducted by categorizing the earthquakes into three classes, and class imbalance was addressed using the SMOTE (Synthetic Minority Over-sampling Technique) method. Furthermore, spatial analyses based on geographic coordinates were performed to generate a regional earthquake risk map. Model performances were evaluated using metrics such as accuracy, precision, recall, and F1-score, and it was observed that XGBoost and Random Forest algorithms achieved better results compared to the others. These findings demonstrate that machine learning-based methods can offer valuable contributions to earthquake prediction, risk analysis, and decision support systems.

Benzer Tezler

  1. Tez No

    203

    Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu

    Başlık çevirisi yok

    İRFAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BORAT

  2. Tez No

    257

    Kuyruk modelleri ve analizi üzerine bir uygulama

    Başlık çevirisi yok

    DİDEM ÖZPULAT

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    İstatistikEge Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET İKİZ

  3. Tez No

    320

    Yenileme yatırımları

    Başlık çevirisi yok

    OSMAN NURİ FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN OKKA

  4. Tez No

    220

    Çeltik kabuklarının yalıtım malzemesi olarak kullanılması

    Başlık çevirisi yok

    B.CİHAN ÇELEBİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KIRBIYIK

  5. Tez No

    221

    Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması

    Başlık çevirisi yok

    ÜMİT AKÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİM DEMİRCİ

Geri Dön