KaydedilenlerDerginizi ekleyin

Dergiler / Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi / 2017 / Cilt: 19 - Sayı: 56

Uşak İli Çevresindeki Depremlerin Yapay Sinir Ağları ile Modellenmesi

Artificial Neural Network Modelling of Earthquakes around Usak City

Elif Çağda KANDEMİR MAZANOĞLU
Sayfa
378–388
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)

Buna ek olarak, tüm ilçeler için elde edilen en büyük yer ivmesi değerleri DBYBHY 2007'de öngörülen değerler ile kıyaslanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Deprem Bölgelerinde Yapılacak Binalar Hakkında Yönetmelik 2007 (DBYBHY, 2007)'de, Uşak ilinin büyük bir kısmı 2. derece deprem bölgesinde olup, Eşme ilçesi 1. derece deprem bölgesinde bulunmaktadır.
📊
Temel Bulgular & Veri:Ancak il sınırlarına yakın çevrede bulunan Kütahya'ya bağlı Gediz, Simav ve Afyon'a bağlı Dinar ilçelerindeki uzun ve aktif faylarda meydana gelen depremler, Uşak il ve ilçelerinde önemli ölçüde hissedilmekte ve etkileri gözlenmektedir.
💡
Sonuç & Katkı:Buna ek olarak, tüm ilçeler için elde edilen en büyük yer ivmesi değerleri DBYBHY 2007'de öngörülen değerler ile kıyaslanmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2007 · 2 adet
⚙️Değişkenler:Alan Parametreleri

Özet

Deprem Bölgelerinde Yapılacak Binalar Hakkında Yönetmelik 2007 (DBYBHY, 2007)'de, Uşak ilinin büyük bir kısmı 2. derece deprem bölgesinde olup, Eşme ilçesi 1. derece deprem bölgesinde bulunmaktadır. Ancak il sınırlarına yakın çevrede bulunan Kütahya'ya bağlı Gediz, Simav ve Afyon'a bağlı Dinar ilçelerindeki uzun ve aktif faylarda meydana gelen depremler, Uşak il ve ilçelerinde önemli ölçüde hissedilmekte ve etkileri gözlenmektedir. Buna karşın il sınırları içerisinde, biri merkezde diğeri Eşme'de olmak üzere yalnızca 2 adet deprem kayıt istasyonu bulunmaktadır. Çalışmada hedeflenen, çevredeki deprem kayıt istasyonlarında ölçülmüş kayıtlar kullanılarak, yapay sinir ağları (YSA) modelleri oluşturmak ve il sınırları içinde istasyon olmayan bölgelerdeki en büyük yer ivmesi tahmini yapabilmektir. Oluşturulan modeller kullanılarak istasyon olan merkez ilçede meydana gelmiş en yüksek ivme değerleri tahmin edilmiş ve ölçülmüş veriler ile karşılaştırılmış, böylece modellerin doğruluğu irdelenmiştir. Buna ek olarak, tüm ilçeler için elde edilen en büyük yer ivmesi değerleri DBYBHY 2007'de öngörülen değerler ile kıyaslanmıştır.

Abstract

In Turkish Earthquake Code 2007 (TEC, 2007), Usak city is located in the second-degree seismic zone while Esme, a town and district of Usak Province, is in the first-degree seismic zone. However cities in neighbourhood of Usak, such as Gediz, Simav towns of Kütahya city and Dinar district of Afyon city have many active faults which led to severe seismic damages in and around Usak. Despite this, Usak has only 2 active seismic stations which are in Usak city centre and Esme town. This paper aims to constitute artificial neural network (ANN) models by using seismic data of neighbour stations and to estimate peak ground acceleration (PGA) in the districts without stations. The results of models are validated by comparing the predicted and measured seismic data of the Usak central station. In addition, PGAs obtained by models are compared with design values in TEC 2007.

🔖

Bu Makaleye Atıf Yap

MAZANOĞLU, E. Ç. K. (2017). Uşak İli Çevresindeki Depremlerin Yapay Sinir Ağları ile Modellenmesi. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, Cilt: 19 - Sayı: 56, 378–388. https://ajindex.com/articles/222499

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. DBYBHY (2007). Deprem Bölgelerinde Yapılacak Binalar Hakkında Yönetmelik, Resmi Gazete Tarihi: 06.03.2007, Resmi Gazete Sayısı: 26454, Ankara, Türkiye
  2. Türkiye Deprem Bölgeleri Haritası (1996). Bayındırlık ve İskan Bakanlığı, Afet İşleri Genel Müdürlüğü, Deprem Araştırma Dairesi Başkanlığı, Ankara, Türkiye
  3. Atkinson, G.M., Boore, D.M. 2006. Earthquake ground-motion prediction equations for eastern North America, Bulletin of the Seismological Society of America, Cilt 96, Sayı 6, s.2181-2205
  4. Boore, D.M., Joyner, W.B., Fumal, T.E. 1997. Equations for estimating horizontal response spectra and peak acceleration from western North American earthquakes: a summary of recent work, Seismological Research Letters,Cilt 68, Sayı 1, s.128-153
  5. Campbell, K.W. 1997. Empirical near-source attenuation relationships for horizontal and vertical components of peak ground acceleration, peak ground velocity, and pseudo-absolute acceleration response spectra, Seismological Research Letters, Cilt 68, Sayı 1, s.54-179
  6. Spudich, P., Fletcher, J.B., Hellweg, M. 1997. SEA96--a new predictive relation for earthquake ground motions in extensional tectonic regimes, Seismological Research Letters, Cilt 68, Sayı 1, s.190-198
  7. Ambraseys, N.N., Simpson, K.A., Bommer, J.J. 1996. Prediction of horizontal response spectra in Europe, Earthquake Engineering and Structural Dynamics, Cilt 25, Sayı 4, s.371-400
  8. Alavi, A.H., Gandomi, A.H. 2011. Prediction of principal groundmotion parameters using a hybrid method coupling artificial neural networks and simulated annealing, Computers and Structures Cilt 89 (23-24), s.2176-2194
  9. Gandomi, A.H., Alavi, A.H., Mousavi, M., Tabatabaei, S.M. 2011. A hybrid computational approach to derive new ground-motion attenuation models, Engineering Applications of Artificial Intelligence, Cilt 24 (4), s.717-732
  10. Gullu, H., Ercelebi, E. 2007. A neural network approach for attenuation relationships: an application using strongegroundemotion data from Turkey, Engineering Geology, Cilt 93, s.65-81
  11. Bojorquez, E., Bojorquez, J., Ruiz, S.E., Reyes-Salazar, A. 2012. Prediction of inelastic response spectra using artificial neural Networks, Mathematical Problems in Engineering, Cilt 2012, Article ID 937480, 15 pages, DOİ:10.1155/2012/937480
  12. Panakkat, A., Adeli. 2007. Neural Network Models for Earthquake Magnitude Prediction Usıng Multiple Seismicity Indicators, International Journal of Neural Systems, Cilt 17, Sayı 1. DOI