Yüklüyor…
Uzun kısa süreli bellek (LSTM) kullanarak İstanbul ve civarı için deprem eğilimi tahmini /
Doğal afetler, genellikle insanların kontrolü dışında gerçekleşen ve gerçekleşmesi neticesinde başta can ve mal kayıpları olmakla birlikte ekonomik, çevresel, sağlıksal ve daha nice kayıplara yol açan olaylardır. Bu doğal afetlerden birisi olan depremler ile ülkemiz tarihinde sıkça karşılaşılmaktadı...
| Yazar: | |
|---|---|
| Kurumsal yazarlar: | , |
| Diğer Yazarlar: | |
| Materyal Türü: | Tez |
| Dil: | Türkçe |
| Konular: |
| Özet: | Doğal afetler, genellikle insanların kontrolü dışında gerçekleşen ve gerçekleşmesi neticesinde başta can ve mal kayıpları olmakla birlikte ekonomik, çevresel, sağlıksal ve daha nice kayıplara yol açan olaylardır. Bu doğal afetlerden birisi olan depremler ile ülkemiz tarihinde sıkça karşılaşılmaktadır. Birçok ülke, kurum ve kişi tarafından depremlerin yıkıcı etkilerini en aza indirmek için çalışmalar yapılmaktadır. Bu çalışmalardan birisi de depremi gerçekleşmeden önceden yeri, zamanı ve büyüklüğüyle tahmin edebilen deprem tahmin çalışmalarıdır. Depremin önceden tahmin edilebilmesi can ve mal kaybını büyük oranda azaltma potansiyeline sahip olduğu için hayati öneme sahip ve depremlerin sürekli yaşanıyor olmalarıyla birlikte popülerliğini hiç kaybetmeyen bir konudur. Aynı zamanda depremlerin oluşumunun çok yüksek karmaşıklıktaki süreçleri içermesi ve analiz edilmesi zor olan çok sayıda faktöre bağlı olmasından dolayı oldukça zor bir konudur. Deprem tahmini üzerine mevcut çalışmalar, kullanılan metodolojilere göre matematiksel analiz, öncüllerin araştırılması, geleneksel makine öğrenmesi ve derin öğrenme olmak üzere dört farklı başlık altında incelenebilmektedir. Öncüller olarak isimlendirilen verilerin kullanıldığı çalışmalar her depremden önce meydana gelmediği için bu verileri kullanan algoritmaları genelleştirmek ve standart hale getirmek oldukça zordur. Matematiksel analiz yöntemleri kısıtlı verilerle çalıştıkları ve düşük başarı sonuçları elde ettikleri için pek tercih edilmemektedirler. Geleneksel makine öğrenmesi deprem tahmininde kullanılan önemli yöntemlerden birisidir. Derin öğrenme yöntemleri, karmaşık problemleri çözmedeki başarısı nedeniyle deprem tahmininde son zamanlardaki en popüler yöntemlerdir. Uluslararası mecralarda deprem tahmini çalışmaları gerçekleştirildiği gibi ülkemizde de çeşitli yöntemler kullanılarak deprem tahmini çalışmaları gerçekleştirilmiştir. Kahramanmaraş'ta meydana gelen depremlerle birlikte yaşamış olduğumuz can ve mal kayıplarının ardından gözler jeologların uzun zamandır üzerinde durduğu ve yapı stoğunun büyük bir çoğunluğunun eskiye dayandığı İstanbul'a çevrilmiştir. Ne yazık ki beklenen İstanbul depremi için İstanbul ve civarına yönelik yeterli sayıda deprem tahmini çalışması yapılmamıştır. Beklenen İstanbul depremi için bir deprem tahmin çalışması yapmak, deprem tahmini konusunda bir kaynak oluşturmak ve bu konuda çalışmalar yapmaya teşvik etmek amacıyla bu çalışmada İstanbul ve civarı için uzun kısa süreli bellek (LSTM) ve evrişimsel sinir ağları (CNN) kullanarak deprem tahmini çalışması yapılmıştır. Bu çalışmadan önce deprem ve deprem tahmin çalışmalarına dair genel bilgiler verilmiştir. Daha sonra deprem tahmini kısmı veri toplama, veri ön işleme, veri bölütleme, model eğitimi ve modellerin değerlendirilmesi aşamalarından oluşmaktadır. Veri toplama aşamasında İstanbul ve civarına ait son 25 yılın tarihsel deprem verileri AFAD'dan temin edilmiştir. Veri ön işleme aşamasında eksik veri tespiti ve veri normalizasyonu gerçekleştirilmiştir. Veri Bölütleme aşamasında veri xv seti eğitim ve test olmak üzere 2 kısma ayrılmıştır. Model eğitimi aşamasında LSTM ve CNN kullanılarak deprem tahmini modeli oluşturulmuştur. Deprem tahmin modeli girdi olarak deprem büyüklüğü, enlem, boylam ve derinlik verilerini ayrı ayrı ya da hep birlikte kullanarak deprem büyüklüğü, enlem, boylam ve derinlik tahminleri yapmaktadır. Model değerlendirme aşamasında deprem tahmin modeli ile birlikte parametreler, tarihsel veriler ve veri seti özellikleri ortalama mutlak hata, ortalama hata karesi ve ortalama mutlak yüzde hatası metrikleri kullanılarak test edilmiştir. Ek olarak eğitilen modeller, modellerin geçerliliğini ölçmek amacıyla bir diğer deprem beklenen yerler arasında olan Bingöl – Karlıova civarı için de test edilmiştir. Testler sonucunda İstanbul ve civarı için kabul edilebilir başarı oranına sahip bir deprem tahmin çalışması gerçekleştirilmiştir. Bununla birlikte bu problem özelinde LSTM ve CNN modellerin ne kadar başarılı oldukları, hangi zaman aralığına ait verilerin kullanımının daha başarılı sonuçlar üretebileceği, özelliklerin öğrenmeye olan katkısı ve hangi parametrelerin daha kullanışlı olduğuna yönelik bilgiler edinilmiştir. |
|---|---|
| Fiziksel Özellikler: | 54 sayfa ; 30 cm |
| Bibliyografya: | Kaynakça : 49-53 sayfa |