Dünyada olduğu gibi ülkemizde de depremler çok sayıda can ve mal kaybına neden olmaktadır. Şiddetli depremler büyük hasarlar meydana getirebileceğinden dolayı insanların hayatlarına olumsuz etkisi olan doğal afetlerdendir. Geçmişte meydana gelen depremler incelenerek daha sonra meydana gelebilecek depremler için olasılıksal yaklaşımlar üretilmesini amaçlayan sismik tehlike analizinde yıkıcı bir depremin büyüklüğünün tahmini oldukça önemlidir. Yapay zekânın hızlı gelişimine bağlı olarak deprem büyüklük tahmininde uzun-kısa süreli bellek (UKSB), yapay sinir ağları (YSA), tekrarlı sinir ağları (TSA) gibi modelleme teknikleri kullanılmaya başlanmıştır. Ancak bu tekniklerin Türkiye'de yapılan sismik çalışmalarda kullanımı yetersizdir. Bu tez çalışmasında, Ege Bölgesi'nde 1900-2021 yılları arasında meydana gelen depremlerden oluşturulan veri seti kullanılmıştır. Verilerin sürekliliği ve güvenilirliği açısından 1970 yılından önceki veriler çalışmaya dâhil edilmemiş, verilerin 1970-2021 arasındaki kısmı kullanılmıştır. Öncelikle veriler K-Ortalamalar algoritması yardımıyla üç kümeye ayrılmıştır. Her üç kümede de Derin Sinir Ağları (DSA), tekrarlı sinir ağları (TSA), UKSB, XgBoost (eXtreme Gradient Boosting), Rastgele Orman (RO) yapay zekâ algoritmalarını kullanarak deprem büyüklük tahmini için modeller oluşturulmuştur. Sonuçta birinci küme için en iyi model TSA, ikinci küme için Destek Vektör Regresyonu (DVR) ve üçüncü küme için ise UKSB olarak belirlenmiştir. Ancak, her üç kümede de modellerden elde edilen skorların birbirine çok yakın olduğu ve tüm modellerin test setlerindeki trendleri yakaladığı tespit edilmiştir. Tez çalışmasının sonraki aşamasında olasılıksal bir model olan Markov zinciri (MZ) yöntemi, K-Ortalamalar algoritması ile oluşturulan üç küme üzerinde uygulanmıştır. Sonuç olarak, Ege Bölgesi'ne ait kümeler arası deprem geçiş olasılıklarının geçiş matrislerinin satır olasılık değerleri zamana bağlı olarak sabit değerlere ulaştığı için bir denge dağılımına sahip olduğu belirlenmiştir. Anahtar Kelimeler : Markov Zinciri, Deprem Büyüklük Tahmini, Tekrarlı Sinir Ağları, Uzun-Kısa Süresi Bellek.
Earthquakes cause loss of life and property in our country as well as in the world. Severe earthquakes are natural disasters that have a negative impact on people's lives because they can cause great damage. The estimation of the magnitude of a destructive earthquake is very important in seismic hazard analysis, which aims to produce probabilistic approaches for earthquakes that may occur in the past by examining the earthquakes that occurred in the past. Due to the rapid development of artificial intelligence, modeling techniques such as long-short-term memory (LSTM), artificial neural networks (ANN), and repetitive neural networks (RNN) have begun to be used in earthquake magnitude estimation. However, the use of these techniques in seismic studies in Turkey is insufficient. In this thesis, the data set created from the earthquakes that occurred in the Aegean Region between 1900-2021 was used. In terms of the continuity and reliability of the data, the data before 1970 were not included in the study, and the part of the data between 1970 and 2021 was used. First of all, the data were divided into three clusters with the help of the K-Means algorithm. In all three clusters, models were created for earthquake magnitude estimation using Deep Neural Networks (DSA), repetitive neural networks (RNN), LSTM, XgBoost (eXtreme Gradient Boosting), Random Forest (RO) artificial intelligence algorithms. As a result, the best model was determined as TSA for the first cluster, Support Vector Regression (SVR) for the second cluster and LSTM for the third cluster. However, it was determined that the scores obtained from the models in all three clusters were very close to each other and that all models caught the trends in the test sets. In the next stage of the thesis, the Markov Chain (MZ) method, which is a probabilistic model, was applied on three clusters created with the K-Means algorithm. As a result, it has been determined that the earthquake transition probabilities between clusters of the Aegean Region have an equilibrium distribution as the row probability values of the transition matrices reach constant values over time. Keywords : Markov Chain, Earthquake Magnitude Estimation, Recurrent Neural Networks, Long-Short Term Memory.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2023.
Kaynakça var.
Dünyada olduğu gibi ülkemizde de depremler çok sayıda can ve mal kaybına neden olmaktadır. Şiddetli depremler büyük hasarlar meydana getirebileceğinden dolayı insanların hayatlarına olumsuz etkisi olan doğal afetlerdendir. Geçmişte meydana gelen depremler incelenerek daha sonra meydana gelebilecek depremler için olasılıksal yaklaşımlar üretilmesini amaçlayan sismik tehlike analizinde yıkıcı bir depremin büyüklüğünün tahmini oldukça önemlidir. Yapay zekânın hızlı gelişimine bağlı olarak deprem büyüklük tahmininde uzun-kısa süreli bellek (UKSB), yapay sinir ağları (YSA), tekrarlı sinir ağları (TSA) gibi modelleme teknikleri kullanılmaya başlanmıştır. Ancak bu tekniklerin Türkiye'de yapılan sismik çalışmalarda kullanımı yetersizdir. Bu tez çalışmasında, Ege Bölgesi'nde 1900-2021 yılları arasında meydana gelen depremlerden oluşturulan veri seti kullanılmıştır. Verilerin sürekliliği ve güvenilirliği açısından 1970 yılından önceki veriler çalışmaya dâhil edilmemiş, verilerin 1970-2021 arasındaki kısmı kullanılmıştır. Öncelikle veriler K-Ortalamalar algoritması yardımıyla üç kümeye ayrılmıştır. Her üç kümede de Derin Sinir Ağları (DSA), tekrarlı sinir ağları (TSA), UKSB, XgBoost (eXtreme Gradient Boosting), Rastgele Orman (RO) yapay zekâ algoritmalarını kullanarak deprem büyüklük tahmini için modeller oluşturulmuştur. Sonuçta birinci küme için en iyi model TSA, ikinci küme için Destek Vektör Regresyonu (DVR) ve üçüncü küme için ise UKSB olarak belirlenmiştir. Ancak, her üç kümede de modellerden elde edilen skorların birbirine çok yakın olduğu ve tüm modellerin test setlerindeki trendleri yakaladığı tespit edilmiştir. Tez çalışmasının sonraki aşamasında olasılıksal bir model olan Markov zinciri (MZ) yöntemi, K-Ortalamalar algoritması ile oluşturulan üç küme üzerinde uygulanmıştır. Sonuç olarak, Ege Bölgesi'ne ait kümeler arası deprem geçiş olasılıklarının geçiş matrislerinin satır olasılık değerleri zamana bağlı olarak sabit değerlere ulaştığı için bir denge dağılımına sahip olduğu belirlenmiştir. Anahtar Kelimeler : Markov Zinciri, Deprem Büyüklük Tahmini, Tekrarlı Sinir Ağları, Uzun-Kısa Süresi Bellek.
Earthquakes cause loss of life and property in our country as well as in the world. Severe earthquakes are natural disasters that have a negative impact on people's lives because they can cause great damage. The estimation of the magnitude of a destructive earthquake is very important in seismic hazard analysis, which aims to produce probabilistic approaches for earthquakes that may occur in the past by examining the earthquakes that occurred in the past. Due to the rapid development of artificial intelligence, modeling techniques such as long-short-term memory (LSTM), artificial neural networks (ANN), and repetitive neural networks (RNN) have begun to be used in earthquake magnitude estimation. However, the use of these techniques in seismic studies in Turkey is insufficient. In this thesis, the data set created from the earthquakes that occurred in the Aegean Region between 1900-2021 was used. In terms of the continuity and reliability of the data, the data before 1970 were not included in the study, and the part of the data between 1970 and 2021 was used. First of all, the data were divided into three clusters with the help of the K-Means algorithm. In all three clusters, models were created for earthquake magnitude estimation using Deep Neural Networks (DSA), repetitive neural networks (RNN), LSTM, XgBoost (eXtreme Gradient Boosting), Random Forest (RO) artificial intelligence algorithms. As a result, the best model was determined as TSA for the first cluster, Support Vector Regression (SVR) for the second cluster and LSTM for the third cluster. However, it was determined that the scores obtained from the models in all three clusters were very close to each other and that all models caught the trends in the test sets. In the next stage of the thesis, the Markov Chain (MZ) method, which is a probabilistic model, was applied on three clusters created with the K-Means algorithm. As a result, it has been determined that the earthquake transition probabilities between clusters of the Aegean Region have an equilibrium distribution as the row probability values of the transition matrices reach constant values over time. Keywords : Markov Chain, Earthquake Magnitude Estimation, Recurrent Neural Networks, Long-Short Term Memory.