Akademisyenlerimizin Yapay Zekalı Deprem Araştırma Projelerine ARDEB Desteği | Ƶ

Ƶ

Skip to main content
Mod

Akademisyenlerimizin Yapay Zekalı Deprem Araştırma Projelerine ARDEB Desteği

NEWS

Akademisyenlerimizin Yapay Zekalı Deprem Araştırma Projelerine ARDEB Desteği

11 October 2024 Friday 09:52 YT İletişim Koordinatörlğ
The link has been copied!
1

Ƶ akademisyenlerinden Prof. Dr. Tlay Yıldırım ile Doç. Dr. Anime Melis Uzar tarafından yrtlen projeler, TBİTAK ve AFAD arasında imzalanan iş birliği protokol çerçevesinde açılan “1001-UDAP Ulusal Deprem Araştırmaları Programı Ortak Çağrısı” kapsamında desteklenmeye hak kazandı. 

Byk yıkımlara yol açabilen depremler dnyanın en tehlikeli doğal afetleri arasında gösterilirken afet sırası ve sonrasında alınması gereken önlemler ise hayati önem taşıyor. Ƶ akademisyenlerinden Elektronik ve Haberleşme Mhendisliği Bölm’nden Prof. Dr. Tlay Yıldırım ile Harita Mhendisliği Bölm’nden Doç. Dr. Anime Melis Uzar tarafından yrtlen projeler, afet sonrası veri tabanını sağlamlaştırmayı amaçlıyor. 

Trkiye’de İlk Kez Sismik Aktivitelerin Kaotik Davranışları Araştırılacak

YT Elektronik ve Haberleşme Mhendisliği Bölm retim yesi Prof. Dr. Tlay Yıldırım tarafından yrtlen ve retken yapay zeka modelleri kullanılan “Sismokaos: Byk Depremlerden Önce ve Sonra Trkiye'deki Farklı Fay Zonlarındaki Sismik Aktivitelerin Kaotik Davranışının Analizi, Enerji ve Stres Aktarımının İncelenmesi ve Yapay Zeka Modelleri ile Risk Tahmini” başlıklı projede; byk depremlerin habercisi olabilecek işaretlerin, depremlerin kaotik doğası gözetilerek analiz edilmesi ve byk bir depremin meydana gelme zamanına dair yapılan öngörlerin, yapay zekâ modelleri kullanılarak dar bir zaman aralığına çekilmesi amaçlanıyor. 

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

Bu çalışmayla, Trkiye’de ilk kez sismik aktivitelerin kaotik davranışları ve bunların depremselliğe etkileri zerine çok kapsamlı bir araştırma yapılırken byk depremlerin önceden tahmin edilmesi için yeni bir yaklaşım da sunulmuş olacak. Projeden elde edilecek sonuçlarla Trkiye’deki fay hatlarındaki enerji ve stres birikiminin daha iyi anlaşılması ve risk tahminleri yapılması mmkn olacak. 

İstanbul’daki Yerleşim Yerleri Baz Alındı

YT Harita Mhendisliği Bölm retim yesi Doç. Dr. Anime Melis Uzar tarafından yrtlen “retken 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, retken yapay zeka modelleri kullanılarak yol, liman ve havalimanı pisti ulaşım ağlarına yönelik farklı seviyelerde yapay yıkım ve taşkın görntleri retilerek hasar haritaları oluşturulacak. Pleidas ve SPOT uydu görntlerinin yanı sıra lkemizin veri bağımsızlığının sağlanabilmesi için IMECE ve Göktrk-1 uydu görntlerinin 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 nfus bilgisinin Coğrafi Bilgi Sistemleri (CBS) entegrasyonuyla arama-kurtarma ve insanî yardım faaliyetlerinde kullanılabilecek bir altlık veri oluşturulacak. 

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