Ülkemiz gibi deprem kuşağında olan bir coğrafya için deprem araştırmaları ve olası erken uyarı sistemlerine dair olan yeni yaklaşımlar son zamanlarda meydana gelen depremleri de göz önünde bulunduracak olursak (ör. İzmir, 2020) artan bir önem ve ihtiyaç teşkil etmektedir. Özellikle uyku halinde iken yakalanılan depremler bilindiği üzere çok daha vahim sonuçlar doğurmaktadır. Bu çalışmada, mevcut çalışmalardan farklı olarak, ilk tasarımını yaptığımız deprem erken uyarı sistemi yaklaşımı uyku halinde iken, olası bir depremi, içinde bulunan sensörler aracılığı ile ivmeölçer’e dönüştürülen akıllı telefonlar sayesinde, ReQuakenition ismini verdiğimiz bir telefon uygulaması arayüzü ile acil durumlarda haber vermeyi amaçlamaktadır. Afet ve Acil Durum Yönetimi Başkanlığı (AFAD) web sayfasından indirilen gerçek deprem verilerinden yararlanarak Uzun kısa süreli belleğe sahip (Long-Short Term Memory: LSTM) tekrarlayan sinir ağı mimarisi (Recurrent Neural Network: RNN) derin öğrenme algoritmaları ile eğitilen verilerden elde edilen sonuçlarda %82’nin üzerinde duyarlılık gözlemlenmiştir. Elde edilen bu ilk sonuçlar, son derece yaygın olarak kullanılan akıllı telefonların, deprem erken uyarı sistemlerinde kullanılmak üzere, jeodezik ve sismik ağların yanı sıra çok daha yoğun ve homojen bir ivmeölçer ağı gibi çalışabilmesi adına ümit vericidir.
The new approaches to earthquake research and possible early warning systems for a geography that is in the earthquake neighborhood like our country will also take into account the recent earthquakes (e.g. It is an increasing importance and need. Earthquakes, especially during sleep, are known to have much more terrible consequences. In this study, unlike existing studies, the earthquake early warning system approach we first designed is intended to report in emergency with a telephone application interface we give the name ReQuakenition, thanks to the smart phones converted through the sensors contained in a possible earthquake while in sleep. Recurrent Neural Network (RNN) recurrent neural network architecture (LSTM) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent neural network architecture (RNN) recurrent These earliest results are hopeful for the smart phones that are widely used to be used in early earthquake warning systems, as well as geodetic and seismic networks, as well as a much more intense and homogeneous drive measurement network.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|