Akademik Veri Yönetim Sistemi
Tileylioğlu S.(Yürütücü), Akagündüz E.
TÜBİTAK Projesi, 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı, 2021 - 2024
Deprem tehlikelerinin azaltılması ve yapıların depremlere karşı dayanıklı bir şekilde tasarlanması deprem mühendisliğininana hedefleri arasındadır. Kuvvetli yer hareketi istasyonlarından alınan kayıtlar yer hareketinin karakterizasyonunda vedolayısıyla da yapıların tasarımında doğrudan kullanılmaktadır [Boore & Bommer, 2005]. Kayıtlar, sözü edilen hedefeyönelik olarak sahalarda gelecekte gerçekleşecek depremlerden ötürü oluşabilecek yer hareketinin tahmininde de sıklıklakullanılmaktadır. Kuvvetli yer hareketi parametrelerinin tahmin edilmesi ile gerçekleştirilen bu işleme sismik tehlike analiziadı verilir. Sismik tehlike analizi, yer hareketi tahmin denklemleri (azalım ilişkileri) kullanılarak gerçekleştirilir. Denklemler,yer hareketi parametreleri (örneğin pik yer ivmesi) ile depremin büyüklüğü, uzaklık ve saha şartlarını karakterize edenparametreler arasındaki ilişkiyi verirler. Bu denklemler, kuvvetli yer hareketi istasyonlarinda kaydedilmiş hareketlerin veritabanlarından regresyon analizleri yoluyla geliştirilir (Kramer, 1996). Denklemler pek çok parametreyi dikkate alarakgeliştirilmektedir. Bu parametlerden bir tanesi de istasyon sahalarının yerel saha özellikleridir.Fayın yırtılması ile birlikte oluşan ve yayılan deprem dalgaları, yüzeye yaklaştıkça zeminin dinamik özelliklerine bağlıolarak değişime uğrarlar. Zemin, deprem dalgalarını büyütebilir veya küçültebilir ve aynı zamanda dalgaların frekansiçeriğinin değişmesine yol açar. Yerel zeminin dinamik özellikleri bu bakımdan oldukça önem taşımaktadır. Zeminindinamik özelliklerini değerlendirmek için genellikle kayma dalgası hızının (Vs) zeminin üst 30 m'sindeki ortalaması olanVs30 kullanılmaktadır. Bu değeri elde etmenin en güvenilir yolu jeofiziksel yöntemlerle sahalarda ölçümlerle bulunmasıdır[Kramer, 1996]. Yukarıda sözü edilen yer hareketi denklemlerinin geliştirilmesinde kuvvetli yer hareketi istasyonsahalarındaki Vs30 değeri önemli bir rol oynamaktadır. Buna karşılık, pek çok deprem istasyonu sahasında Vs30 ölçümübulunmamaktadır. Söz konusu deprem istasyon sahalarının, yer hareketi tahmin denklemleri geliştirilmesindekullanılabilmesi için farklı Vs30 tahmin yöntemleri geliştirilmiştir. Ancak, geliştirilen bu alternatif yöntemler ile sahaların Vs30değeri arzu edilen hassaslıkta hesaplanamamıştır veya kısıtlı bölgeler için tatminkar sonuçlar vermiştir.Bu projenin ana amacı Afet ve Acil Durum Yönetimi Başkanlığına (AFAD) ait 799 adet ve Kandilli Rasathanesineve Deprem Araştırma Enstitüsüne (KRDAE) ait 87 adet kuvvetli yer hareketi istasyonunda öncelikle kaydedilmişdeprem kayıtlarını ve saha bilgilerini kullanarak Türkiye'deki bütün kuvvetli yer hareketi istasyonlarınınbulundukları noktalardaki Vs30 değerinin yapay zeka tabanlı tahmin modelleri geliştirerek tahminini yapmaktır. Buamacı gerçekleştirebilmek için projede geliştirilecek derin öğrenme yöntemi ile P ve S dalgalarının istasyona ulaşım anlarıtahmin edilecektir ve tek istasyonda kaydedilen deprem verileri kullanılarak deprem merkez üssü tespit edilecektir.Bu projede, Türkiye’nin farklı bölgelerinde bulunan kuvvetli yer hareketi istasyonunun en az 60.000 deprem kaydıkullanılarak, evrişimsel sinir ağları (CNN) ve tekrarlayan sinir ağları (RNN) içeren yapay-zeka yöntemleri uygulanacaktır.Projenin temel metodolojisini oluşturan derin öğrenme tabanlı bu yöntemlere ek olarak geleneksel makine öğrenmesiyöntemleri de karşılaştırma amaçlı kullanılacaktır. Sahada ölçümüş Vs30 değerleri ile yapay zeka yöntemleri ile tahminedilen Vs30 değerleri histogramlar vasıtasıyla karşılaştırılacaktır. Bununla birlikte, tahmin edilen değerlerden jeoistatistikselyöntemler kullanarak bir bölgesel harita hazırlanıp yalnızca topografik eğimlere bağlı olarak oluşturulmuş bölgesel bir Vs30haritası ile karşılaştırılacaktır.Geliştirilecek yapay zeka tabanlı yöntem dünyanın farklı bölgelerinde bulunan istasyonlardaki Vs30 değeri tahminindekullanılabilecektir. Bu projede önerildiği şekliyle yüksek ölçekli veri tabanları kullanarak, derin öğrenme yöntemlerini devreye alan ve yukarıda belirtilen tahmin sistemlerini geliştirmeyi amaçlamış bir çalışma literatürde bulunmamaktadır. Araştırma sonuçları 3 farklı yüksek indeksli bilimsel dergide yayına dönüştürülebilecektir. 30 ay sürecek olan proje, proje yürütücüsü Dr. Tileylioğlu, araştırmacı Dr. Akagündüz, bir doktora sonrası araştırmacı, bir doktora öğrencisi bir yüksek lisans öğrencisi ve bir lisans öğrencisi bursiyeri tarafından gerçekleştirilecektir.