Mw>5 depremler döneminde YKS-TEİ'nin sınıflandırılması için makine öğrenmesi algoritmalarının karşılaştırılması

Deprem öncesi sinyallerin tespiti, son yıllarda giderek daha fazla ilgi gören önemli bir araştırma alanı haline gelmiştir. Büyük depremler ve jeomanyetik hareketlilikler, iyonküredeki Toplam Elektron İçeriği (TEİ) üzerinde belirgin bozulmalara neden olabilmektedir. Bu çalışmada, TEİ verilerini kullanarak iyonküredeki sismik ve jeomanyetik hareketliliğe bağlı bozulmaların sınıflandırılması amaçlanmıştır. 1999 ile 2020 yılları arasında Mw büyüklüğü 5,6 ile 9,1 arasında değişen on büyük depremin üç gün öncesi ve deprem günleri ile jeomanyetik olarak sakin ve bozulmuş dönemler incelenmiştir. Yerküresel Konumlama Sistemi (YKS) istasyonlarından elde edilen TEİ verileri, çeşitli algoritmalarla analiz edilmiştir: Uzun Kısa Süreli Bellek (UKSB), Modüler Sinir Ağı (MSA), Olasılıksal Sinir Ağı (OSA), Evrişimsel Sinir Ağı (ESA), Tekrarlayan Sinir Ağı (TSA), Çok Katmanlı Algılayıcı (ÇKA), TSA-UKSB, ESA-UKSB ve ESA-UKSB-ÇKA. Büyük depremler için yüksek doğruluk oranları elde edilirken, küçük depremler için bazı algoritmaların doğruluğu düşmüştür, özellikle OSA algoritması orta büyüklükteki depremler için düşük performans sergilemiştir. Çalışma, büyük depremlerle ilişkilendirilen iyonküre bozulmalarının etkili bir şekilde sınıflandırılabileceğini, ancak küçük depremler için mevcut algoritmaların yetersiz olduğunu göstermiştir. Gelecekte, küçük depremler ve jeomanyetik hareketlilik için daha gelişmiş algoritmaların geliştirilmesi önerilmektedir.