Görüntüleme
17
İndirme
1
Ülkemiz taşıdığı coğrafi şartlar gereği doğal afetler, özellikle de deprem gerçeği ile düzenli olarak yüzleşmektedir. Can ve mal kayıplarının büyük bölümünün depremlerde meydana geldiği ve ortalama beş yıllık periyotlarla bu coğrafyanın yıkıcı bir depremle sarsıldığı düşünülürse, deprem afeti alınacak önlemler bakımından ilk sırada gelmektedir. Depremler için alınabilecek önlemlerin belirlenmesi için depremlerin önceden tahmin edilebilmesi büyük önem arz etmektedir. Bu bağlamda son yıllarda makine öğrenmesi ile deprem tahmini çalışmaları hız kazanmıştır. Bu çalışmada deprem kataloğu ile jeolojik veriler ve jeodezik verilerin birleştirildiği bir veri seti kullanılarak deprem tahminleri yapılmıştır. Bu veri seti çalışmada kullanılan algoritma modellerini eğitmek ve eğitilen modellerin performansını ölçmek adına test ve eğitim verisi olarak bölünmüştür. Rastgele orman, ekstrem gradyan arttırma, karar ağacı ve k en yakın komşu regresyon algoritmaları kullanılarak eğitim seti ile modeller eğitilmiş, eğitilen modeller test verisi ile test edilmiştir. Analiz sonuçları karşılaştırılarak değerlendirilmiştir. Analiz sonuçlarına göre rastgele orman ve ekstrem gradyan arttırma regresyon algoritmaları en başarılı sonuçların alındığı algoritmalar olmuştur. Ortalama karesi hatası (MSE) değerleri incelendiğinde, en iyi sonuçlar deprem bilgileri, gerinimler ve fay bilgilerinden oluşan veri setinde gözlenmiştir. MSE için rastgele orman ve ekstrem gradyan arttırma algoritmaları ile 0.09, karar ağacı algoritması ile 0.16, k en yakın komşu algoritması ile 0.11 değerleri elde edilmiştir. Yapılan bu çalışma makine öğrenmesi ile deprem tahmini çalışmalarında, kullandığı veri seti ile farklı bir bakış açısı getirerek literatüre katkıda bulunmuştur.
Due to its geographical conditions, our country regularly faces the reality of natural disasters, especially earthquakes. Considering that most of the loss of life and property is caused by earthquakes and this region is shaken by a devastating earthquake in an average of five years, earthquake disaster comes first in terms of precautions to be taken. It is of great importance to be able to predict earthquakes in order to determine the precautions that can be taken for earthquakes. In this context, earthquake prediction studies with machine learning have gained momentum in recent years. In this study, earthquake predictions were made using an earthquake catalog and a data set combining geological and geodetic data. This data set is divided into test and training data in order to train the algorithm models used in the study and to measure the performance of the trained models. By using random forest, extreme gradient boosting, decision tree and k nearest neighbor regression algorithms, the models were trained with the training set and the trained models were tested with the test data. Analysis results were compared and evaluated. According to the analysis results, random forest and extreme gradient increment regression algorithms were the algorithms with the most successful results. When the mean square error (MSE) values are examined, the best results are observed in the data set consisting of earthquake information, strains and fault information. This study contributed to the literature by bringing a different perspective to the data set used in earthquake prediction studies with machine learning.
Alan : Fen Bilimleri ve Matematik; Mimarlık, Planlama ve Tasarım; Mühendislik; Ziraat, Orman ve Su Ürünleri
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
