Sayısal sismogramlar üzerinde depremlerin ve sismik dalga fazlarının yapay zeka ile belirlenmesi
No Thumbnail Available
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Ankara Üniversitesi
Abstract
Sismoloji, depremlerin oluş zamanını, konumunu ve büyüklüğünü belirlemek, fayların durumunu incelemek ve yeraltı yapılarını anlamak amacıyla önemli bir bilim dalıdır. Bu çalışmaların ilk adımı genellikle deprem fazlarının sismografa geliş zamanlarının belirlenmesi ile başlar. Geleneksel olarak, bu faz belirleme çalışmaları genellikle el ve göz ile yapılan geleneksel tekniklere dayanmaktadır. Ancak özellikle yüksek sismik aktiviteye sahip bölgelerde veya düşük enerjili ve yüksek gürültülü mikro depremlerin belirlenmesi gibi durumlarda zorluklar yaşanmaktadır. Günümüzde, sismoloji araştırmalarındaki faz belirleme süreçlerinin karmaşıklığı, otomatik yöntemlerin uygulanabilirliğini sınırlamaktadır. Bu noktada, yapay zeka tabanlı yaklaşımların kullanımı, bu zorlukların üstesinden gelme potansiyeline sahiptir. Bu tez çalışmasında, sismogramlar üzerinde deprem ve sismik dalga fazlarını belirlemek için bir yapay zeka algoritması kullanılmıştır. Çalışmanın başlangıcında veri toplama işlemi gerçekleştirilmiş ve kullanılan veriler, TÜBİTAK projesi kapsamında kurulan KULA-Net sismik gözlem istasyonlarından elde edilmiştir. Yapay zeka algoritması, tek istasyon bazında çalıştığı için her istasyonda farklı sayıda deprem fazı okuması yapılmıştır. Elde edilen sonuçlara göre, yapay zeka algoritması ile tespit edilen olay sayısının diğer yöntemlere göre daha yüksek olduğu görülmüştür. Yapay zeka algoritmasının kullanımının avantajları arasında, hızlı çalışma süreleri, düşük hata payları ve uzmanlar tarafından el ve göz ile yapılan işlemlerin önemli ölçüde azaltılması bulunmaktadır. Sonuç olarak, sismolojide yapay zeka uygulamalarının kullanımı, deprem tespiti ve analizi konusunda önemli bir potansiyele sahiptir. Yapay zeka algoritmaları, geniş veri setlerini işleyerek deprem olaylarının desenlerini tanımlama yeteneğiyle, deprem tespiti ve erken uyarı sistemlerinin doğruluğunu ve verimliliğini artırabilir. Bu çalışmanın, gelecekteki sismoloji araştırmalarına ve deprem izleme sistemlerine katkı sağlaması beklenmektedir.
Seismology is a crucial scientific discipline aimed at determining the occurrence time, location, and magnitude of earthquakes, examining the status of faults, and understanding subsurface structures. The initial phase of these studies typically involves determining the arrival times of earthquake phases on seismographs. Traditionally, such phase determination studies rely on manual techniques involving hand and eye coordination. However, challenges arise, especially in regions with high seismic activity or in cases involving low-energy and high-noise micro-earthquakes.In contemporary seismological research, the complexity of phase determination processes limits the applicability of automated methods. In this context, the use of artificial intelligence approaches can overcome these challenges. This thesis employs an artificial intelligence algorithm to identify earthquakes and seismic wave phases from seismograms. The data collection process at the beginning of the study was conducted using seismic observation stations established within the scope of a TÜBİTAK project, known as KULA-Net.Because the AI algorithm operates on a single-station basis, earthquake phase readings were separately performed for each station. The results indicate that the number of events detected by the AI algorithm is higher than that detected by other methods. The advantages of using the AI algorithm include rapid processing times, low error rates, and a significant reduction in the number of manual interventions by experts. In conclusion, the application of artificial intelligence in seismology holds significant potential for earthquake detection and analysis. AI algorithms, with their ability to process extensive datasets and identify patterns in earthquake events, can enhance the accuracy and efficiency of earthquake detection and early warning systems. This study is expected to contribute to future seismological research and earthquake monitoring systems.
Description
Keywords
Yapay zeka algoritmaları, Sismoloji, depremler