• Login
    View Item 
    •   DSpace Home
    • 2-DERGİLER
    • 07) Rahva Teknik ve Sosyal Araştırmalar Dergisi
    • Cilt 04, Sayı 2 (2024)
    • View Item
    •   DSpace Home
    • 2-DERGİLER
    • 07) Rahva Teknik ve Sosyal Araştırmalar Dergisi
    • Cilt 04, Sayı 2 (2024)
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    GELİŞMİŞ ÖZELLİK MÜHENDİSLİĞİ VE MAKİNE ÖĞRENİMİ İLE İSTANBUL DEPREMİ RİSK ANALİZİ

    Thumbnail
    View/Open
    Tam Metin/Full Text (1.310Mb)
    Date
    2024
    Author
    PARMAKSIZ, Hüseyin
    ÖZER, Zeynep
    Metadata
    Show full item record
    Abstract
    İstanbul'un coğrafi konumu onu aktif fay hatları üzerinde konumlandırmakta ve depreme yatkın hale getirmektedir. Bölgenin jeolojik özellikleri ve nüfus yoğunluğu, olası bir depremin sosyal ve ekonomik sonuçlarını artırmakta ve deprem riskinin önlenmesi ve yönetimi için kapsamlı bir strateji gerektirmektedir. Tarihte görüldüğü üzere, 1509 yılında meydana gelen deprem “Kıyamet-i Suğra” olarak bilinmektedir. Bu depremde 4000 ila 13000 kişi ölmüş, 10000'den fazla kişi yaralanmış ve Osmanlı İmparatorluğu'nun başkenti Konstantinopolis'te yaklaşık 1070 ev yıkılmıştır. Daha yakın bir tarihte, 1999 Kocaeli depreminde İstanbul'da çok sayıda yapı hasar görmüş ve çok sayıda insan hayatını kaybetmiştir. Bu çalışma, Büyük İstanbul Depremi'ndeki olası can kaybını değerlendirmek için makine öğrenimi tekniklerini kullanmaktadır. Tahminlere göre, deprem sırasında en fazla can kaybının hangi bölgelerde yaşanacağının belirlenmesi, bu bölgelerde önceden önlem alınması, olası İstanbul depremi için risk yönetim planlarının oluşturulması ve acil durum taktiklerinin geliştirilmesi amaçlanmaktadır. Çalışmada Rastgele Orman Regresyonu (RF), Doğrusal Regresyon (LR), Aşırı Gradyan Artırma (XGBoost), Destek Vektör Makinesi (SVM), Karar Ağacı Regresyonu (DT), Ekstra Ağaçlar (ET), Kategorik Artırma (CatBoost) ve Kısıtlı Aşırı Öğrenme Makinesi (CELM) gibi tahmin modelleri kullanılmış ve aralarındaki ilişkiler incelenmiştir. LR modelinin kullanılan diğer modellere kıyasla daha etkin olduğu gözlemlenmiştir. mRMR, Boruta ve Karşılıklı Bilgi (MI) yöntemleri özelliklerin daha verimli seçilmesi için kullanılmıştır. Karar mekanizmalarını aydınlatmak için Açıklanabilir Yapay Zeka olarak Shapley Toplamalı Açıklamalar (SHAP) analizi kullanılmıştır. Çalışma, deprem riskine karşı afet yönetimi stratejileri ve önlemlerine odaklanarak İstanbul'da can ve mal kaybını en aza indirecek model ve yöntemleri değerlendirmektedir.
    URI
    http://dspace.beu.edu.tr:8080/xmlui/handle/123456789/15473
    Collections
    • Cilt 04, Sayı 2 (2024) [7]





    Creative Commons License
    DSpace@BEU by Bitlis Eren University Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..

    DSpace software copyright © 2002-2016  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    Atmire NV
     

     




    | Yönerge | Rehber | İletişim |

    sherpa/romeo

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsBy TypeThis CollectionBy Issue DateAuthorsTitlesSubjectsBy Type

    My Account

    LoginRegister

    DSpace software copyright © 2002-2016  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    Atmire NV