Türkiye, 17 Ağustos Marmara Depremi'nin yıl dönümünde afetlere karşı dirençli kentler oluşturmanın önemini bir kez daha hatırlarken; Yaşar Üniversitesi, geliştirdiği yapay zekâ destekli sismik tehlike haritalarıyla geleceğin deprem risklerini önceden belirlemeyi hedefliyor."İzmir'de Sismik Tehlike Haritalarının ve Risk Azaltma Stratejilerinin Geliştirilmesinde Yapay Zekânın Uygulanması" projesi kapsamında, yapay zekâ destekli yeni nesil deprem tehlike haritaları oluşturuluyor. Yaşar Üniversitesi İnşaat Mühendisliği Bölümü Dr. Öğretim Üyesi Çağlar Tuna'nın yürütücüsü olduğu projede, yerel zemin özelliklerini klasik deprem modelleriyle birlikte analiz eden sistem, farklı deprem senaryolarında İzmir'in hangi bölgelerinde sarsıntının daha şiddetli yaşanabileceğini yüksek çözünürlükle tahmin ediyor. Projenin, kentsel dönüşüm, yapı güçlendirme, kritik altyapı planlaması ve afet riskinin azaltılmasına yönelik çalışmalarda karar vericilere bilimsel destek sağlaması hedefleniyor.Proje, özellikle 30 Ekim 2020 İzmir depreminin ortaya çıkardığı yerel zemin etkilerini daha doğru analiz etmeyi amaçlıyor. Klasik deprem modelleri ile makine öğrenmesini aynı sistemde buluşturan araştırmada, farklı deprem senaryoları için yüksek çözünürlüklü sarsıntı haritaları oluşturuluyor. Böylece kentin hangi bölgelerinde depremin daha şiddetli hissedilebileceği önceden öngörülebiliyor.
Hibrit sistemBilimsel çalışmanın en önemli özelliğinin, klasik deprem mühendisliği yaklaşımlarını yapay zekâ ile güçlendirmesi olduğunu belirten Dr. Öğretim Üyesi Şahin Çağlar Tuna, şunları vurguluyor "Deprem tehlikesini belirleyen fiziksel modeller uzun yıllardır güvenle kullanılan bilimsel yöntemlerdir. Biz yapay zekâyı bu modellerin yerine koymuyoruz. Tam tersine, fiziksel modellerin açıklamakta zorlandığı yerel zemin farklılıklarını yapay zekâ ile öğrenerek sistemi daha doğru hale getiriyoruz. Böylece klasik yöntemlerle yapay zekâyı birbirini tamamlayan iki bileşen olarak kullanıyoruz."17 bin 657 nokta analiz edildiAraştırma kapsamında İzmir genelinde 17 bin 657 farklı ölçüm noktası için zemin büyütme katsayıları hesaplandı. Destek Vektör Regresyonu (SVR), Rastgele Orman (Random Forest), XGBoost ve Yapay Sinir Ağları gibi makine öğrenmesi yöntemleri kullanılarak farklı fay ve deprem senaryoları altında yer hareketi haritaları oluşturuldu. Dr. Öğretim Üyesi Tuna, klasik haritaların genellikle tek bir ortalama tehlike değeri sunduğunu belirterek, "Biz ise depremin büyüklüğüne, kaynağına ve yerel zemin şartlarına göre değişen dinamik senaryolar üretiyoruz. Böylece aynı depremde birbirine çok yakın iki bölgenin neden farklı şiddette sarsılabileceğini daha ayrıntılı biçimde ortaya koyabiliyoruz. Bu sistem yalnızca deprem tehlikesini göstermekle kalmıyor; hangi bölgelerde ayrıntılı zemin etüdü yapılması gerektiğini, güçlendirme ve kentsel dönüşüm çalışmalarının nerelerde öncelik kazanacağını da ortaya koyuyor" diyor.Afet yönetimine bilimsel destekProjenin çıktılarının yerel yönetimler, kamu kurumları ve mühendislik uygulamaları açısından önemli katkılar sağlayacağını ifade eden Dr. Öğretim Üyesi Çağlar Tuna, sözlerini şöyle tamamlıyor "Kaynaklarımız sınırlı. Bu nedenle en riskli bölgeleri bilimsel verilerle doğru belirlemek büyük önem taşıyor. Geliştirdiğimiz haritalar sayesinde kentsel dönüşüm, yapı güçlendirme, kritik altyapı yatırımları ve acil durum planlamaları daha sağlıklı yapılabilecek. Amacımız, afet gerçekleşmeden önce doğru kararların alınmasına katkı sağlayarak can ve mal kayıplarının azaltılmasına destek olmak.''
İHA
İHA
