Makine öğrenmesi teknikleri ile deprem tehlike haritalarının belirlenmesi

Ülkemiz taşıdığı coğrafi şartlar gereği doğal afetler, özellikle de deprem gerçeği ile sıklıkla yüzleşmektedir. Can ve mal kayıplarının büyük bölümünün depremlerde meydana geldiği ve 5 yılda bir bu coğrafyanın yıkıcı bir depremle sarsıldığı düşünülürse, deprem afeti önlem alınması gereken afetler bakımından ilk sırada gelmektedir. Depremler için alınabilecek önlemlerin belirlenmesi için depremlerin önceden tahmin edilebilmesi büyük önem arz etmektedir. Bu bağlamda son yıllarda makine öğrenmesi ile deprem tahmini çalışmaları hız kazanmıştır. Literatürde çeşitli yöntemler ile bu çalışmaların yapıldığı görülmektedir. Bu çalışmada ise deprem kataloğu ile jeolojik ve jeodezik verilerin birleştirildiği bir veri seti oluşturulmuştur. Sonrasında hem tüm depremleri içeren ham veri hem de fay bilgilerinin ve gerinimlerin eklendiği veri seti uygun şekilde eğitim ve test verisi olarak ayrılmıştır. Random Forest, Xgboost, Decision Tree ve K-nn regresyon algoritmaları kullanılarak eğitim seti ile modeller eğitilmiş, eğitilen modeller test verisi ile test edilmiştir. Elde edilen sonuçlar karşılaştırılarak değerlendirilmiştir. Karesel ortalama hata değerlerine göre en iyi sonuç 0.09 ile random forest ve xgboost algoritmalarında elde edilirken, en kötü sonuç 0.19 ile decision tree algoritmasında elde edilmiştir. Son olarak kullanılan tüm algoritmalar ile geleceğe yönelik deprem tahminleri yapılarak, bu tahminler deprem tehlike haritalarının üretilmesinde kullanılmıştır. Yapılan bu çalışmada kullanılan veri seti ile makine öğrenmesi ile deprem tahmini çalışmalarına farklı bir bakış açısı getirerek literatüre katkıda bulunulmuştur.