TÜRKİYE İÇİN FOURIER GENLİK SPEKTRUMLARININ MAKİNE ÖĞRENMESİ TABANLI MODELLEMESİ
Abd Al-Rahman Al-Asadi

(Thesis Supervisor: Prof. Dr. Gülüm Tanırcan)

ÖZET

Bu çalışma, kuvvetli yer hareketinin Fourier Genlik Spektrumunu (FAS) tahmin etmek için Türkiye’ye özgü bir makine öğrenmesi çerçevesi geliştirmektedir. Önerilen ANN modeli, Anadolu bölgesinin aktif tektonik koşullarını temsil eden ve 752 sığ kabuk depreminden oluşan Türkiye’ye özgü bir deprem kataloğu kullanılarak, 19 ayrık frekansta log10 efektif genlik spektrumunu (EAS) tahmin etmektedir.

Veri seti bileşiminin etkisi değerlendirildikten sonra, nihai model mühendislik açısından önemli yer hareketlerine olan uygunluğunu artırmak amacıyla Mw ≥ 5 olan 125 olaydan oluşan orta-büyük deprem alt kümesi kullanılarak eğitilmiştir. Kullanılan giriş özellikleri Mw, Rjb, Vs30 ve faylanma mekanizmasıdır. Olay düzeyinde veri sızıntısını önlemek amacıyla veri seti, olay-izoleli kontrollü bir ayırma yöntemiyle %70 eğitim, %15 doğrulama ve %15 test olarak bölünmüştür. Nihai çerçeve normalizasyon, Geniş vektör-çıktılı ANN mimarisi ve karma-etkilerden esinlenen bir kayıp fonksiyonu içermektedir.

Model performansı MSE, MAE, RMSE, R² ve R metrikleriyle; ayrıca artık analizi ve iki geleneksel parametrik model ile karşılaştırma yoluyla değerlendirilmiştir. Sonuçlar, ANN modelinin frekansa bağlı davranışı yakaladığını, en güçlü performansını düşük-orta frekans aralığında gösterdiğini, ortak frekans aralığında bölgesel geleneksel model ile rekabet edebilir sonuçlar verdiğini ve Türkiye’ye özgü test veri setinde dış referans modelden daha iyi performans gösterdiğini ortaya koymaktadır. Artık ve senaryo-tabanlı analizler, yakın kaynakta yüksek frekanslı mesafe ölçeklemesinin geliştirilen modelin temel sınırlaması olduğunu göstermektedir. Genel olarak bu çalışma, deprem-duyarlı bir ANN modelinin Türkiye için bölgesel FAS/EAS yer hareketi modellemesinde umut verici ve tamamlayıcı bir çerçeve sunabileceğini göstermektedir.