VERİ MADENCİLİĞİ YÖNTEMLERİYLE DEPREMLERİN ANALİZİ

Abstract

Bu tez çalışmasında, deprem hareketliliklerinin veri madenciliği yöntemlerini kullanarak analiz edilmesi ve gelecekte meydana gelebilecek depremlerin tahmininde kullanılabilecek bir yazılım tasarlanması amaçlanmıştır. Bu kapsamda, tez içerisinde deprem verileri ile ilgili dört farklı uygulama gerçekleştirilmiştir.Birinci uygulama, deprem verileri üzerinde istatistiksel, sorgulama ve veri madenciliği çalışmalarını yürütmek için hazırlanan Türkiye Deprem Portalı(TDEP) yazılımı ve deprem verilerine ait bazı istatistiksel çalışmalardan oluşmaktadır. Deprem verilerine ait istatistiksel bilgilerin yorumlanması ile gelecekte oluşabilecek depremlerin tahmini amaçlanmıştır. Hazırlanan uygulamanın, kullanım ve uygulama bakımından büyük avantajlara sahip olduğu görülmüştür.İkinci uygulama, deprem alanları üzerinde gizli kalmış birlikteliklerin tespit edilmesine yönelik geliştirilen çalışmayı kapsamaktadır. Bu uygulamada, veri madenciliği tekniklerinden birliktelik kuralları deprem verileri üzerine başarılı bir şekilde uygulanmış ve çeşitli kurallar bulunmuştur. Üretilen bu kurallar değerlendirildiğinde, sistemin başarılı sonuçlar ürettiği gözlemlenmiştir.Üçüncü uygulamada, deprem verileri üzerine yapılan birçok çalışmanın ortak noktası olan deprem tahmini için kural tabanlı yeni bir yaklaşım sunulmuştur. Bu yaklaşım paralelinde bir tahmin algoritması tasarlanarak deprem verileri üzerine başarılı bir şekilde uygulanmıştır. Elde edilen tahmin sonuçları değerlendirildiğinde, algoritmanın başarılı sonuçlar verdiği gözlemlenmiştir.Dördüncü uygulama, deprem verilerinin kümelendirilmesine yönelik geliştirilen çalışmayı kapsamaktadır. Bu bölümde, Türkiye genelinde oluşmuş deprem verilerinin kümelendirilmesi işlemleri yapılmıştır. Depremlerin kümelendirilmesinde k-Means ve KNN algoritmaları veriler üzerinde başarılı bir şekilde uygulanmıştır. Klasik k-Means algoritmasının başlangıç küme merkezi seçme işlemine, deprem verileri için alternatif bir yaklaşım bu bölüm altında sunulmuştur. Bu yaklaşımın verileri kümelendirmede klasik k-Means algoritmasından daha hızlı bir performans gösterdiği tespit edilmiştir.

The goals of this study can be summarized as analysis of seismic activities through data mining methods and the development of software which can be used to predict earthquakes before they take place. In this regard four different implementations about the seismic data are realized.The first application is the Turkey Earthquake Portal (TDEP) which is created to carry out statitical processing, querying and data mining studies on seismic data. Prediction of earthuakes is aimed by interpreting the statistical information about the seismic data. Significant advantages of the application in terms of usage and interpretation is observed.The second application consists of the study which is developed to reveal the hidden associations between earthquake zones. In this application one of the data mining techniques, association rules are successfully applied on the seismic data and various rules are extracted. Evaluation of these rules shows that the system produces successful results.In the third application a novel approach to earthquake prediction is proposed. In paralel to this approach a prediction algorithm is designed and successfully applied to seismic data. Evaluation of the prediction results shows that the algorithm produces successful results.The fourth application consists of the clustering of seismic data. In this section clustering results of earthquakes occured in Turkey is discussed. For clustering k-Means and K-NN algorithms are effectively used. An alternative approach to traditional k-Means initial cluster center selection is proposed in this section for seismic data. It is observed that this approach demonstrates better performance in data clustering than the traditional k-Means algorithm.