Deprem seviye sınıflandırması için hibrit bir convlstm modeli: karşılaştırmalı bir analiz
Özet
Deprem, yer kabuğunda depolanan enerjinin açığa çıkması sonucu yer yüzeyinin aniden sarsılmasıdır. Depremler genellikle yer altı kayalarının aniden kırılması ve bir fay boyunca hızlı etmesi nedeniyle meydana gelir. Binaların ve altyapının düzgün inşa edilmediği ve nüfusun hazırlıklı olmadığı bir ortamda, orta şiddette bile olsa bir deprem yıkıcı olabilir. Yapay zekâ yöntemleri, deprem tahmini gibi doğal afetlerin öngörülmesinde önemli bir rol oynamaktadır. Bu amaçla geliştirilen hibrit ConvLSTM modeli ile yer kabuğundaki karmaşık enerji dinamikleri ve hareketleri, büyük miktardaki jeolojik verilerden analiz edilerek deprem olasılıklarının tahmin edilmesi amaçlandı. ConvLSTM, LR, RF, SVM, XGBoost, MLP, CNN ve LSTM gibi popüler yöntemlerle USGS tarafından sunulan gerçek zamanlı deprem verileri kullanılarak karşılaştırıldı. Deneysel sonuçlar, ConvLSTM’in 0,9951 doğruluk ve 0,9993 AUC ile karşılaştırılan modellerden daha başarılı olduğunu göstermiştir
Anahtar Kelimeler
- TR Dizin
- 0
Tam Kayıt
| Alan | Değer | Dil |
|---|---|---|
| dc.contributor.author | Utku, Anıl | |
| dc.date.accessioned | 2026-10-28T15:11:27.826798922Z | |
| dc.date.available | 2026-10-28T15:11:27.826798922Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | Deprem, yer kabuğunda depolanan enerjinin açığa çıkması sonucu yer yüzeyinin aniden sarsılmasıdır. Depremler genellikle yer altı kayalarının aniden kırılması ve bir fay boyunca hızlı etmesi nedeniyle meydana gelir. Binaların ve altyapının düzgün inşa edilmediği ve nüfusun hazırlıklı olmadığı bir ortamda, orta şiddette bile olsa bir deprem yıkıcı olabilir. Yapay zekâ yöntemleri, deprem tahmini gibi doğal afetlerin öngörülmesinde önemli bir rol oynamaktadır. Bu amaçla geliştirilen hibrit ConvLSTM modeli ile yer kabuğundaki karmaşık enerji dinamikleri ve hareketleri, büyük miktardaki jeolojik verilerden analiz edilerek deprem olasılıklarının tahmin edilmesi amaçlandı. ConvLSTM, LR, RF, SVM, XGBoost, MLP, CNN ve LSTM gibi popüler yöntemlerle USGS tarafından sunulan gerçek zamanlı deprem verileri kullanılarak karşılaştırıldı. Deneysel sonuçlar, ConvLSTM’in 0,9951 doğruluk ve 0,9993 AUC ile karşılaştırılan modellerden daha başarılı olduğunu göstermiştir | |
| dc.identifier.doi | 10.17780/ksujes.1467269 | |
| dc.identifier.eissn | 1309-1751 | |
| dc.identifier.endpage | 1349 | |
| dc.identifier.issue | 4 | |
| dc.identifier.startpage | 1334 | |
| dc.identifier.uri | https://rdlopen.rawdatalibrary.net/r/munzur/6286 | |
| dc.identifier.volume | 27 | |
| dc.language.iso | tr | |
| dc.relation.ispartof | KSÜ Mühendislik Bilimleri Dergisi | |
| dc.rights | info:eu-repo/semantics/closedAccess | |
| dc.subject | Bilgisayar Bilimleri, Yapay Zeka | |
| dc.title | Deprem seviye sınıflandırması için hibrit bir convlstm modeli: karşılaştırmalı bir analiz | |
| dc.type | Article | |
| rdl.citation.trdizin | 0 | |
| rdl.source.index | TRDIZIN |

