Yapısal tekrarlayan sinir ağları ile zaman-mekansal deprem tahmini

Deprem tahmin problemi, belirli bir bölgede, minimum Richter büyüklüğünde ve bir zaman aralığında depremin meydana gelme olasılığının tahmini olarak tanımlanabilir. Bu uzun süredir üzerinde çalışılan bir araştırma problemidir, ancak son on yıla kadar çok fazla ilerleme kaydedilememiştir. Hesaplama sistemlerinde ve derin öğrenme modellerindeki gelişmeler ile birlikte önemli sonuçlar elde edilmeye başlanmıştır. Bu tezde, mekansal yakınlığı ve bölgelerdeki fay hatlarının varlığı gibi ön bilgileri dikkate alan, bu bilgileri sistematik olarak işleyen yapısal tekrarlayan sinir ağını (SRNN) kullanan modeller sunulmuştur. Türkiye ve Çin gibi ölçek ve deprem bölgelerinin büyük ölçüde farklı olduğu iki ayrı bölgede deneyler gerçekleştirilmiştir. SRNN modelleri, kıyaslama yapılan baz model ve bilinen en iyi modellere göre daha iyi performans sonuçları elde etmiştir. Özellikle birinci dereceden mekansal komşuluğa ve fay hatlarına dayalı yapısal sınıflandırmaya göre kurgulanan SRNNClass_near modeli, en yüksek F_1 skoruna ulaşmıştır.