Akıllı Telefonda Derin Öğrenme ile Deprem Erken Uyarı Sistemi Tasarımı

Authors : Gonca OKAY AHİ, Baran CANPOLAT

Pages : 23-27

Doi:10.31590/ejosat.891896

View : 17 | Download : 15

Publication Date : 2021-08-31

Article Type : Research Paper

Abstract :Ülkemiz gibi deprem kuşağında olan bir coğrafya için deprem araştırmaları ve olası erken uyarı sistemlerine dair olan yeni yaklaşımlar son zamanlarda meydana gelen depremleri de göz önünde bulunduracak olursak (ör. İzmir, 2020) artan bir önem ve ihtiyaç teşkil etmektedir. Özellikle uyku halinde iken yakalanılan depremler bilindiği üzere çok daha vahim sonuçlar doğurmaktadır. Bu çalışmada, mevcut çalışmalardan farklı olarak, ilk tasarımını yaptığımız deprem erken uyarı sistemi yaklaşımı uyku halinde iken, olası bir depremi, içinde bulunan sensörler aracılığı ile ivmeölçer’e dönüştürülen akıllı telefonlar sayesinde, ReQuakenition ismini verdiğimiz bir telefon uygulaması arayüzü ile acil durumlarda haber vermeyi amaçlamaktadır. Afet ve Acil Durum Yönetimi Başkanlığı (AFAD) web sayfasından indirilen gerçek deprem verilerinden yararlanarak Uzun kısa süreli belleğe sahip (Long-Short Term Memory: LSTM) tekrarlayan sinir ağı mimarisi (Recurrent Neural Network: RNN) derin öğrenme algoritmaları ile eğitilen verilerden elde edilen sonuçlarda %82’nin üzerinde duyarlılık gözlemlenmiştir. Elde edilen bu ilk sonuçlar, son derece yaygın olarak kullanılan akıllı telefonların, deprem erken uyarı sistemlerinde kullanılmak üzere, jeodezik ve sismik ağların yanı sıra çok daha yoğun ve homojen bir ivmeölçer ağı gibi çalışabilmesi adına ümit vericidir.
Keywords : akıllı telefon, ivmeölçer, derin öğrenme, sensör, deprem, RNN, LSTM