KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2012 / Cilt: 27 - Sayı: 1

BARTIN, ULUS İLÇESİ İÇİN YAPAY SİNİR AĞI VE LOJİSTİK REGRESYON YÖNTEMLERİNİN HEYELAN DUYARLILIK ÇALIŞMASINA UYGULANMASI VE KARŞILAŞTIRILMASI

Arif EKER
Mehmet DİKMEN
Selim CAMBAZOĞLU
Şebnem H. S. B. DÜZGÜN
Haluk AKGÜN
Sayfa
0
Yayın Tarihi
2013-02-19
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bağımlı değişken, kalibrasyon ve doğrulama olarak iki veri setine ayrılmıştır.Bağımlı ve bağımsız değişkenler arasındaki ilişkiyi bulmak ve farklı tekniklerin oluşturduğu heyelan duyarlılıkbölgelemesi sonuçlarını karşılaştırıp en uygun duyarlılık yöntemini değerlendirmek için LR ve YSA olmak üzereiki farklı yöntem kullanılmıştır

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma, Coğrafi Bilgi Sistemlerine (CBS) dayalı lojistik regresyon (LR) ve yapay sinir ağı (YSA)analizlerini kullanarak, Karadeniz bölgesindeki Bartın ilinin Ulus ilçesi için bir heyelan duyarlılık haritasıhazırlamayı amaçlamaktadır.
📊
Temel Bulgular & Veri:Bu araştırma kapsamında, Maden Tetkik ve Araştırma Genel Müdürlüğü tarafındanhazırlanan heyelan envanter haritası, heyelan sınıflandırma haritasına temel olarak alınmıştır.
💡
Sonuç & Katkı:Bağımlı değişken, kalibrasyon ve doğrulama olarak iki veri setine ayrılmıştır.Bağımlı ve bağımsız değişkenler arasındaki ilişkiyi bulmak ve farklı tekniklerin oluşturduğu heyelan duyarlılıkbölgelemesi sonuçlarını karşılaştırıp en uygun duyarlılık yöntemini değerlendirmek için LR ve YSA olmak üzereiki farklı yöntem kullanılmıştır
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Heyelan Duyarlılığı · Lojistik Regresyon · Yapay Sinir Ağı

Özet

Bu çalışma, Coğrafi Bilgi Sistemlerine (CBS) dayalı lojistik regresyon (LR) ve yapay sinir ağı (YSA)analizlerini kullanarak, Karadeniz bölgesindeki Bartın ilinin Ulus ilçesi için bir heyelan duyarlılık haritasıhazırlamayı amaçlamaktadır. Bu araştırma kapsamında, Maden Tetkik ve Araştırma Genel Müdürlüğü tarafındanhazırlanan heyelan envanter haritası, heyelan sınıflandırma haritasına temel olarak alınmıştır. Çalışma alanındakianalizlerin tamamı aktif heyelanlara istinaden gerçekleştirilmiştir. Bununla birlikte, on dört açıklayıcı değişkenCBS’de sayısallaştırılmış, birleştirilmiş ve düzenlenmiştir. Çalışma alanı 250 m x 250 m’lik hücrelere bölünmüşve heyelan envanter bilgisinin, alan üzerindeki yayılımının daha anlamlı bir popülasyon dağılımı göstermesinisağlamak için çekirdek (Kernel) yoğunluğu yöntemi uygulanmış, tüm değişkenler, oluşturulmuş olan buenvanter verisine dahil edilmiştir. Bağımlı değişken, kalibrasyon ve doğrulama olarak iki veri setine ayrılmıştır.Bağımlı ve bağımsız değişkenler arasındaki ilişkiyi bulmak ve farklı tekniklerin oluşturduğu heyelan duyarlılıkbölgelemesi sonuçlarını karşılaştırıp en uygun duyarlılık yöntemini değerlendirmek için LR ve YSA olmak üzereiki farklı yöntem kullanılmıştır

🔖

Bu Makaleye Atıf Yap

EKER, A., DİKMEN, M., CAMBAZOĞLU, S., DÜZGÜN, Ş. H. S. B., AKGÜN, H. (2013). BARTIN, ULUS İLÇESİ İÇİN YAPAY SİNİR AĞI VE LOJİSTİK REGRESYON YÖNTEMLERİNİN HEYELAN DUYARLILIK ÇALIŞMASINA UYGULANMASI VE KARŞILAŞTIRILMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 27 - Sayı: 1, 0. https://ajindex.com/articles/20638

📄 Tam Metin PDF Okuyucu

↗Yeni Sekme

Kaynakça (11)

  1. Gökçe, O., Özden, Ş. ve Demir, A., Türkiye’de Afetlerin Mekansal ve İstatistiksel Dağılımı Afet Bilgi Envanteri, T.C. Bayındırlık ve İskan Bakanlığı Afet İşleri Genel Müdürlüğü Afet Etüt ve Hasar Tespit Daire Başkanlığı. Ankara, s 117, - Akgün, A. ve Bulut, F., “GIS-based Landslide Susceptibility for Arsin-Yomra (Trabzon, North Turkey) Region”, Environmental Geology, Cilt, 1377-1387, 2007.
  2. Terlien, M.T.J., Van Westen, C.J. ve Van Asch, T.W.J., “Deterministic Modelling in GIS-based Landslide Hazard Assessment”, Geographical Information Systems in Assessing Natural Hazards, Editorler: Carrara, A., Guzzetti, F., Kluwer Academic Publishers,
  3. Dordrecht, The Netherlands, 57– 77, 1995.
  4. Kanevski, M., “Advanced Mapping of Environmental Data: Introduction”, Editör: Kanevski, M., Advanced Mapping of Environmental Data, ISTE Ltd and John Wiley & Sons, Inc, 1-17, 2008.
  5. Ohlmacher, G.C. ve Davis, J.C., “Using Multiple Logistic Regression and GIS Technology to Predict Landslide Hazard in Northeast Kansas, USA”, Engineering Geology Cilt 69, 331-343, - Brabb, E.E., “Innovative Approaches to Landslide Hazard Mapping”, Proceedings 4th International Symposium on Landslides, Toronto, Cilt 1, 307–324, 1984.
  6. Guzzetti, F., Carrarra, A., Cardinali, M. ve Reichenbach, P., “Landslide Hazard Evaluation: A Review of Current Techniques and Their Application in a Multi-Scale Study, Central Italy, Geomorphology, Cilt 31, 181-216, 1999.
  7. Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M. ve Ardizzone, F., “Probabilistic Landslide Hazard Assessment at The Basin Scale”, Geomorphology, Cilt 72, 272–299, - Erener, A. ve Düzgün, H.S.B., “Improvement of Statistical Landslide Susceptibility Mapping by Using Spatial and Global Regression Methods in The Case of More and Romsdal (Norway)”, Landslides, Cilt 7, No 1, 55–68, 2010.
  8. Lee, S., Chwae, U. ve Min, K., “Landslide Susceptibility Mapping by Correlation Between Topography and Geological Structure: The Janghung Area, Korea”, Geomorphology, Cilt, 149-162, 2002.
  9. Süzen, M.L., “Data Driven Landslide Hazard Assessment Using Geographical Information Systems and Remote Sensing”, Doktora tezi, Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2002.
  10. Ercanoğlu, M. ve Gökçeoğlu, C., “Use of Fuzzy Relations to Produce Landslide Susceptibility Map of a Landslide Prone Area (West Black Sea Region, Turkey)”, Engineering Geology, Cilt, No 3/4, 229-250, 2004.
  11. Gökçeoğlu, C., Sönmez, H., Nefeslioğlu, H., Duman, T.Y. ve Çan, T., “The 17 March 2005 Kuzulu