YAPAY SİNİR AĞI YÖNTEMİYLE DEPREM TAHMİNİ: TÜRKİYE BATI ANADOLU FAY HATTI UYGULAMASI

Abstract

Gerçekleşecek depremleri önceden kesin bilen, genelleştirilebilecek bir yöntem günümüze kadar geliştirilememiştir. Fakat birçok yöntemle deprem tahmini yapılmaya çalışılmaktadır. Bu yöntemlerden birisi olan Yapay Sinir Ağları, belirlenen girişler ve çıkışlar arasındaki ilişkiyi öğrenerek faklı örüntülere karşı uygun çıkışlar vermektedir. Yapılan bu çalışmada Gutenberg-Richter ilişkisine bağlı ve deprem tahminlerinde kullanılan b değerini temel alan bir ileri beslemeli geri yayılımlı yapay sinir ağı geliştirilmiştir. Türkiye'nin batısında yoğun sismik aktiviteye sahip dört faklı bölgeye ait deprem verileri kullanılarak yapay sinir ağı eğitilmiştir. Eğitim aşamasından sonra aynı bölgeler için daha sonraki tarihlere ait deprem verileri test için kullanılmış ve ağın başarımı ortaya konmuştur. Çalışmada geliştirilen ağın tahmin sonuçları incelendiğinde; ağın gerçekleşmeyecek dediği deprem tahmin sonuçları tüm bölgelerde oldukça yüksek çıkmıştır. Bunun yanında ağın gerçekleşecek dediği deprem tahmin sonuçları, çalışılan bölgeler için belli bir oranda farklı sonuçlar vermiştir

A method that exactly knows the earthquakes beforehand and can generalize them cannot still been developed. However, earthquakes are tried to be predicted through numerous methods. One of these methods, artificial neural networks give appropriate outputs to different patterns by learning the relationship between the determined inputs and outputs. In this study, a feedforward back propagation artificial neural network that is connected to Gutenberg-Richter relationship and that bases on b value used in earthquake predictions was developed. The artificial neural network was trained employing earthquake data belonging to four different regions which have intensive seismic activity in the west of Turkey. After the training process, the earthquake data belonging to later dates of the same regions were used for testing and the performance of the network was put forward. When the prediction results of the developed network are examined, the prediction results that the network predicts that an earthquake is not going to occur are quite high in all regions. Furthermore, the earthquake prediction results that the network predicts that an earthquake is going to occur are different to some extent for the studied regions