Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://acikerisim.ktu.edu.tr/jspui/handle/123456789/4478
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorÇoban, Kaan Hakan-
dc.date.accessioned2022-07-29T07:29:43Z-
dc.date.available2022-07-29T07:29:43Z-
dc.date.issued2021-07-
dc.identifier.urihttp://acikerisim.ktu.edu.tr/jspui/handle/123456789/4478-
dc.description.abstractTürkiye, Kuzey Anadolu Fay Zonu, Doğu Anadolu Fay Zonu ve Ege Açılma Sistemi gibi aktif tektonik yapıları içermesinden dolayı yüksek deprem tehlikesine sahiptir. Bu nedenle, sismik tehlike değerlendirme çalışmalarının güvenilir ve doğruluğunun yüksek olması gerekmektedir. Sismoloji ve tehlike değerlendirme çalışmaları içeresinde homojen deprem magnitüd türü için dönüşüm denklemleri ve depremlerin mühendislik yapılarına etkilerini belirlemek için maksimum yer hareketi ivmesi (PGA) değerleri kullanılmaktadır. Bu tez kapsamında depremlerin magnitüd türü dönüşümü ve depremlerin PGA değerlerinin hesaplanması için Yapay Sinir Ağları (YSA), Meta-sezgisel algoritmalar ve Makine Öğrenmesi algoritmaları gibi Yapay Zeka (YZ) teknikleri kullanılarak denklemler, YSA ve regresyon modelleri geliştirilmiştir. Magnitüd türü dönüşümü için, Türkiye ve civarında (1900-2020) meydana gelen (M ≥ 4.0) depremlerin farklı magnitüd türleri ve değerleri kullanılarak regresyon yöntemleriyle 8 denklem ve makine öğrenmesi algoritmalarıyla 3 regresyon modeli oluşturulmuştur. PGA tahmini için, Türkiye ve civarında meydana gelen depremlerin (1976–2020) parametrelerinden oluşan 2 veri setiyle (M ≥ 3.0 ve Mw ≥ 5.0) 6 farklı veri formuna göre YSA ile Meta-sezgisel algoritmalar kullanılarak modeller ve makine öğrenmesi algoritmalarıyla 3 regresyon modeli oluşturulmuştur. Tüm modeller oluşturulan test verileriyle literatürden seçilen magnitüd türü dönüşümü ve PGA tahmin denklemleri ile karşılaştırılmıştır. Magnitüd türü dönüşümü için oluşturulan regresyon modelleri gerçek değerlere daha yakın sonuçlar vermişlerdir. PGA tahmini için oluşturulan YSA ve regresyon modellerinin, literatürden seçilen tahmin denklemlerine göre ölçülen PGA değerlerine daha yakın değerler hesapladığı görülmüştür. Özellikle, YZ teknikleriyle yapılan ölçülen değerlere daha yakın PGA tahminleri sismik tehlike çalışmalarının güvenirliliğini artıracaktır. Ayrıca, sismoloji ve mühendislik sismolojisi alanlarındaki bu önemli değerlendirmelerde YZ tekniklerinin etkin bir şekilde kullanılabileceği görülmüştür.tr_TR
dc.language.isotrtr_TR
dc.publisherKaradeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsütr_TR
dc.subjectYapay Zeka, Yapay Sinir Ağları, Makine Öğrenmesi, Meta-sezgisel, Magnitüd, Maksimum Yer Hareketi İvmesi (PGA), Sismik Tehliketr_TR
dc.subjectArtificial Intelligence, Artificial Neural Networks, Machine Learning, Meta-heuristic, Magnitude, Peak Ground Acceleration (PGA), Seismic Hazardtr_TR
dc.titleDepremlerin magnitüd türü dönüşümü ve maksimum yer hareketi ivmesi (PGA) tahmininde yapay zeka uygulamalarıtr_TR
dc.title.alternativeThe applications of artificial intelligence for magnitude types conversion and peak ground acceleration (PGA) prediction of earthquakestr_TR
dc.typeThesistr_TR
Koleksiyonlarda Görünür:Jeofizik Mühendisliği

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
675764.pdf23.65 MBAdobe PDFKüçük resim
Göster/Aç


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.