Yapay sinir ağları ile heyelan duyarlılık haritalarının üretilmesinde farklı algoritmaların kullanımının araştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Jeoloji Mühendisliği A.B.D., Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: Türkçe
Öğrenci: ASLI CAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): MURAT ERCANOĞLU
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışma kapsamında, heyelan duyarlılık haritalarının oluşturulmasında literatürde yaygın olarak kullanılan yapay sinir ağları (ANN) yöntemi uygulanarak, yapay sinir ağlarının eğitiminde farklı algoritmaların kullanılmasının sonuç haritaları üzerindeki etkileri ve performanslarının araştırılması amaçlanmıştır. Bu amaçla, Batı Karadeniz Bölgesi, Karabük ili sınırları içerisinde bir çalışma alanı seçilmiştir. Arazi çalışmaları, inceleme alanına ait hava fotoğraflarından ve Google Earth uydu görüntülerinden yararlanılarak, 196 adet heyelan haritalanmış ve heyelan veri tabanı oluşturulmuştur. Heyelan duyarlılığı analizlerinde kullanılmak üzere; topoğrafik yükseklik, yamaç eğimi, bakı, topoğrafik nemlilik indeksi, litoloji ve bitki örtüsü indeksi parametreleri dikkate alınmıştır. Farklı eğitim algoritmaları kullanılarak eğitilen ANN modellerinin sonuç haritaları üzerindeki etkilerinin karşılaştırılması amacıyla, tek ve iki gizli tabakalı olmak üzere iki farklı ağın topolojik yapısı tasarlanmıştır. ANN tasarımında, bir adet gizli tabaka kullanılması durumunda test veri seti hata oranı en düşük olan ağ topolojisi 6-13-1 olarak, iki adet gizli tabaka kullanılması durumunda ise test veri seti hata oranı en düşük olan ağ topolojisi 6-11-6-1 olarak saptanmıştır. Bu ağların eğitiminde, geri yayılım (BBP), hızlı yayılım (QP), eşlenik eğim (CGD) ve Levenberg-Marquardt (LM) olmak üzere dört farklı eğitim algoritması kullanılarak toplamda 8 adet ANN modeli oluşturulmuştur. Bu modeller gizli tabaka sayısı ve eğitim algoritmasına göre; tek gizli tabakalı ANN modeli için; BBP1, QP1, CGD1, LM1 olarak ve iki gizli tabakalı ANN modeli için; BBP2, QP2; CGD2 ve LM2 olarak adlandırılmış ve bu modeller kullanılarak çalışma alanı için 8 farklı heyelan duyarlılık haritası üretilmiştir. Sözü geçen eğitim algoritmalarının, ANN modellerine etkileri ve performanslarını değerlendirmek amacıyla, mevcut heyelanlı alanlarla, üretilen duyarlılık haritaları karşılaştırılarak ROC eğrileri çizilmiş, ROC eğrisi altında kalan alanları (AUC) ve ayrıca iki veri seti arasındaki ilişki değerini gösteren rij katsayısı FULLSA yazılımı kullanılarak hesaplanmıştır. En yüksek performansa sahip haritanın, AUC değeri 0.817 ve rij değeri 0.972 olarak hesaplanan, CGD1 modeliyle üretilmiş heyelan duyarlılık haritası olduğu belirlenmiştir. Ayrıca, ANN kullanılarak oluşturulan heyelan duyarlılık haritaları, mevcut heyelanların dağılımı dikkate alınarak karşılaştırıldığında, "yüksek heyean duyarlılığı"nı temsil eden alanları en iyi yansıtan haritanın CGD1 modeliyle üretilen ve "çok yüksek heyelan duyarlılığı"nı temsil eden alanları en iyi yansıtan haritanın ise QP2 modeliyle üretilen heyelan duyarlılık haritası olduğu sonucuna varılmıştır. Bu değerlendirmeler ve analiz performanslarından yola çıkılarak; eşlenik eğim algoritması, geri yayılım, hızlı yayılım ve Levenberg-Marquardt algoritmalarından daha yavaş olmasına karşın, tahmin sonuçları bakımından en iyi olduğu, Levenberg–Marquardt algoritmasının test edilen algoritmalar arasında en hızlı olanı ve tahmin performansına bakıldığında, geri yayılım, hızlı yayılım algoritmaları kadar iyi olduğu, geri yayılım ve hızlı yayılım algoritmaları arasında ise hız ve tahmin performası açısından belirgin bir farklılık bulunmadığı sonucuna varılmıştır.