Geri Dön

Deprem verilerinin zamansal ve mekansal analizi

Temporal and spatial analysis of earthquake data

  1. Tez No: 961226
  2. Yazar: MEHMET BARIŞ ŞEN
  3. Danışmanlar: DOÇ. DR. VOLKAN TUNALI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Maltepe Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, deprem verilerinin öğrenme zamansal ve konumsal örüntülerini analiz etme ve ayrıntılı yöntemlerin deprem tahminindeki işlemlerini değerlendirmeyi sağlar. Araştırmada, son 30 yıl içerisinde Marmara ve Kahramanmaraş bölgelerinde meydana gelen depremlerden elde edilen veriler kullanılarak LSTM, GRU, Bi-LSTM, Stacked LSTM ve CNN-LSTM modelleri geliştirilmiştir. Veri ön işleme sürecinde eksik veriler temizlenmiş; zamansal ve mekansal analizler gerçekleştirilmiştir. Deprem büyüklüğünün zaman ve gelişmelere bağlı olarak sismik etkisi (görüntü, b-değeri ve enerji salınımı) hesaplanarak görselleştirilmiştir. Elde edilen bulgular, Stacked LSTM modelinin diğer modellere kıyasla daha düşük hata oranlarıyla üstün performans sergilediğini ortaya koymaktadır. Bu sonuçlar, derin öğrenme temelli yapıların deprem tahmininde etkili araçların olma potansiyelini vurgulamaktadır. Çalışma, tahmin başarısını artırmaya yönelik model artışı katkı sağlamayı hedeflemektedir.

Özet (Çeviri)

This study aims to analyze the spatiotemporal patterns of earthquake data and evaluate the effectiveness of deep learning methods in earthquake prediction. In the research, data obtained from earthquakes that occurred in the Marmara and Kahramanmaraş regions over the past 30 years were used to implement LSTM, GRU, Bi-LSTM, Stacked LSTM and CNN-LSTM models. During the data preprocessing phase, missing values were cleaned, and spatiotemporal analyzes were conducted. The distribution of earthquake magnitudes by time and location, along with seismic parameters (e.g., b-value and energy release), were calculated and visualized. The findings reveal that the Stacked LSTM model outperformed the others with lower error rates. These results highlight the potential of deep learning-based approaches as effective tools for earthquake prediction. The study aims to contribute to future model development efforts that seek to enhance prediction accuracy.

Benzer Tezler

  1. Van fay zonu ve Yeniköşk fayının kinematik analizi (Van Gölü doğusu)

    Kinematical analysis of Van fault zone and Yenikosk fault (East of Van Lake)

    EREN AKKÖPRÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Jeoloji MühendisliğiVan Yüzüncü Yıl Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AZAD SAĞLAM SELÇUK

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TANKUT ACARMAN

  3. An overview of the geodetic satellite data contribution in investigating earth's dynamic phenomena at regional and global scales: A case study example

    Jeodezik uydu verilerinin bölgesel ve küresel ölçeklerde dünya'nın dinamik olaylarını araştırmadaki katkısına genel bir bakış: Örnek bir çalışma

    SOLMAZ FARNAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. BİHTER EROL

  4. Stress tensor inversion from focal mechanism solutions and earthquake probability analysis of Western Anatolia, Turkey

    Stres tensörünün odak mekanizmaları ile ters çözümü ve Batı Anadolu, Türkiye'nin deprem olasılık analizi

    SYED TANVIR SHAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Jeoloji MühendisliğiOrta Doğu Teknik Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ATİLLA ARDA ÖZACAR

    PROF. DR. ERDİN BOZKURT

  5. Yeryüzü hareketlerinin sentetik açıklı radar interferometrisi ve hidroloji verileriyle analizi: Afyon-Akşehir ve Küçük Menderes graben örnekleri

    Analysis of ground movements with synthetic aperture radar interferometry and hydrology data: The case studies of Afyon-Akşehir and Küçük Menderes grabens

    MÜMİN İMAMOĞLU

    Doktora

    Türkçe

    Türkçe

    2021

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. FUSUN BALIK ŞANLI

    PROF. DR. ZİYADİN ÇAKIR