Yıldız Teknik Üniversitesi'nden Deprem Tahminine Yapay Zeka Desteği

YILDIZ Teknik Üniversitesi akademisyenlerinden Prof. Dr. Tülay Yıldırım ile Doç. Dr. Anime Melis Uzar tarafından yürütülen projeler, TÜBİTAK ve AFAD arasında imzalanan iş birliği protokolü çerçevesinde açılan '1001-UDAP Ulusal Deprem Araştırmaları Programı Ortak Çağrısı' kapsamında desteklenmeye hak kazandı. Böylece yapay zeka kullanılarak yapılacak araştırmada büyük depremlerin önceden tahmin edilmesine odalanılacak.

Büyük yıkımlara yol açabilen depremler dünyanın en tehlikeli doğal afetleri arasında gösterilirken afet sırası ve sonrasında alınması gereken önlemler ise hayati önem taşıyor. Yıldız Teknik Üniversitesi akademisyenlerinden Elektronik ve Haberleşme Mühendisliği Bölümü'nden Prof. Dr. Tülay Yıldırım ile Harita Mühendisliği Bölümü'nden Doç. Dr. Anime Melis Uzar tarafından yürütülen projeler, afet sonrası veri tabanını sağlamlaştırmayı amaçlıyor.

BÜYÜK DEPREMLERİN ÖNCEDEN TAHMİN EDİLEBİLMESİNE ODAKLANILACAK

YTÜ Elektronik ve Haberleşme Mühendisliği Bölümü Öğretim Üyesi Prof. Dr. Tülay Yıldırım tarafından yürütülen ve üretken yapay zeka modelleri kullanılan 'Sismokaos: Büyük Depremlerden Önce ve Sonra Türkiye'deki Farklı Fay Zonlarındaki Sismik Aktivitelerin Kaotik Davranışının Analizi, Enerji ve Stres Aktarımının İncelenmesi ve Yapay Zeka Modelleri ile Risk Tahmini' başlıklı projede; büyük depremlerin habercisi olabilecek işaretlerin, depremlerin kaotik doğası gözetilerek analiz edilmesi ve büyük bir depremin meydana gelme zamanına dair yapılan öngörülerin, yapay zeka modelleri kullanılarak dar bir zaman aralığına çekilmesi amaçlanıyor.

Sismik aktivitelerin kaotik davranışının büyük depremlerle ilişkisinin araştırılacağı projede, büyük depremlerin aynı/farklı fay zonlarında olası enerji ve stres aktarımı ve depremin meydana gelebileceği zonlarda olası büyük depremlerin zamansal risk tahmini üzerine odaklanılacak. Çalışma kapsamında, Türkiye'de büyük depremlerin yaşandığı farklı fay zonları temel alınarak bu fay zonlarının sismik aktivite kayıtlarını içeren veri setleri kullanılacak.

Bu çalışmayla, Türkiye'de sismik aktivitelerin kaotik davranışları ve bunların depremselliğe etkileri üzerine çok kapsamlı bir araştırma yapılırken büyük depremlerin önceden tahmin edilmesi için yeni bir yaklaşım da sunulmuş olacak. Projeden elde edilecek sonuçlarla Türkiye'deki fay hatlarındaki enerji ve stres birikiminin daha iyi anlaşılması ve risk tahminleri yapılması mümkün olacak.

İSTANBUL'DAKİ YERLEŞİM YERLERİ BAZ ALINDI

YTÜ Harita Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Anime Melis Uzar tarafından yürütülen 'Üretken Yapay Zeka Modellerinin Olası İstanbul Depreminde Hasar Tespitinde Kullanılması ve Coğrafi Bilgi Sistemlerine Entegrasyonu ile Afet Sonrası Faaliyet Planlaması İçin Bilgilerin Oluşturulması' isimli projede çalışma alanı olarak İstanbul'daki yerleşim bölgesi baz alınıyor. Proje kapsamında, üretken yapay zeka modelleri kullanılarak yol, liman ve havalimanı pisti ulaşım ağlarına yönelik farklı seviyelerde yapay yıkım ve taşkın görüntüleri üretilerek hasar haritaları oluşturulacak.

Pleidas ve SPOT uydu görüntülerinin yanı sıra ülkemizin veri bağımsızlığının sağlanabilmesi için IMECE ve Göktürk-1 uydu görüntülerinin kullanılacağı projede, yıkım haritaları ve ulaşım ağları, her bir binada yaşayan insan sayısı verisiyle birleştirilerek yerleşim bölgeleri ve ulaşım ağlarına ait yıkım haritalarının, ulaşım ağı analizinin ve nüfus bilgisinin Coğrafi Bilgi Sistemleri (CBS) entegrasyonuyla arama-kurtarma ve insani yardım faaliyetlerinde kullanılabilecek bir altlık veri oluşturulacak.

Bu sayede afet sonrasında hasar tespitinin otomatik yapılması, arama-kurtarma ve insani yardım faaliyetlerinin organize edilmesi, insan gücü ve lojistik kaynaklarının etkin kullanımını sağlayacak bir sistem oluşturulacak. Geliştirilecek olan modeller, İstanbul özelinde eğitilecek olmasına rağmen, bu modeller ülkemizin başka bir yerinde gerçekleşebilecek olası depremlerin ardından elde edilecek uydu görüntülerinde de kullanılabilecek. Dolayısıyla, proje kapsamında üretilecek olan modellerin transfer edilebilir ve genelleştirilebilir olması sağlanacaktır.