DTS Model

Deprem Tipi Sınıflandırma & Öncü Kestirim Sistemi

(Earthquake Type Classification & Foreshock Prediction System)

DTS Model, yapay zeka ve makine öğrenimi algoritmalarını kullanarak sismik aktiviteleri analiz eden, depremleri karakterize eden ve belirli bir bölgedeki sismik olayların “büyük bir depremin öncüsü (foreshock) olma olasılığını” hesaplayan bilimsel bir tahmin sistemidir.

DTS Model is a scientific prediction system that analyzes seismic activities using AI and machine learning algorithms, characterizes earthquakes, and calculates the probability of seismic events in a specific region being a “foreshock” of a major earthquake.

Bu proje, geleneksel “erken uyarı” (saniyeler öncesi) sistemlerinden farklı olarak, “orta vadeli sismik risk tahmini” (günler/haftalar öncesi) üzerine odaklanmaktadır.

Unlike traditional “early warning” systems (seconds before), this project focuses on “mid-term seismic risk prediction” (days/weeks before).

Temel Yenilikler ve Metodoloji (v16+) Key Innovations and Methodology (v16+)

Kod tabanımız, istatistiksel sismoloji ve derin öğrenmeyi birleştiren hibrit bir yapıya geçmiştir:

Our codebase has transitioned to a hybrid structure combining statistical seismology and deep learning:

1. Hibrit Yapay Zeka Mimarisi Hybrid AI Architecture

Makine Öğrenimi: XGBoost ve Random Forest algoritmaları ile sismik özelliklerin (b-değeri, uzaysal yoğunluk, enerji oranı) analizi.

Machine Learning: Analysis of seismic features (b-value, spatial density, energy rate) using XGBoost and Random Forest algorithms.
Derin Öğrenme: LSTM (Long Short-Term Memory) ağları ile sismik serilerin zamansal desenlerinin (temporal patterns) öğrenilmesi.

Deep Learning: Learning temporal patterns of seismic series using LSTM networks.
Ensemble Learning: Modellerin ağırlıklı ortalaması alınarak tahmin kararlılığı artırılmıştır.

Ensemble Learning: Prediction stability is increased by taking the weighted average of models.

2. Bilimsel Etiketleme ve Doğrulama Scientific Labeling and Validation

Hedef: Bir depremin, takip eden 30 gün içinde ve 50 km yarıçapında gerçekleşecek M ≥ 5.5 büyüklüğünde bir ana şokun öncüsü olup olmadığının tespiti.

Goal: Determining whether an earthquake is a foreshock of a mainshock with M ≥ 5.5 occurring within a 50 km radius in the following 30 days.
Molchan Diyagramı Analizi: Sismoloji literatüründe standart olan “Alarm Oranı vs. Kaçırma Oranı” analizi ile modelin şans faktöründen arındırılmış başarısı (Skill Score) ölçülmektedir.

Molchan Diagram Analysis: Measuring the model’s success (Skill Score) free from chance factors using the standard “Alarm Rate vs. Miss Rate” analysis.
Prospektif Test Simülasyonu: Geçmiş veriyi “geleceği bilmiyormuş gibi” test ederek (Backtesting) gerçek zamanlı performans simüle edilir.

Prospective Test Simulation: Simulating real-time performance by testing past data “as if the future is unknown” (Backtesting).

3. Belirsizlik Ölçümü Uncertainty Quantification

Model sadece bir olasılık vermez, aynı zamanda bu tahminin ne kadar güvenilir olduğunu (Confidence Score) hesaplar.

The model not only provides a probability but also calculates how reliable this prediction is (Confidence Score).
Hem veri kaynaklı gürültüyü (Aleatoric) hem de modelin bilgisizliğini (Epistemic) hesaba katar.

It accounts for both data-driven noise (Aleatoric) and model ignorance (Epistemic).

Özellik Mühendisliği Feature Engineering

Sistem, ham sismik veriyi (zaman, enlem, boylam, derinlik, büyüklük) işleyerek gelişmiş sismolojik parametrelere dönüştürür:

The system processes raw seismic data (time, latitude, longitude, depth, magnitude) into advanced seismological parameters:

Gutenberg-Richter b-value: Bölgesel stres birikimini gösteren b-değeri değişimi.

Gutenberg-Richter b-value: b-value change indicating regional stress accumulation.
Sismik Enerji Oranı: Açığa çıkan enerji akışındaki anomaliler.

Seismic Energy Rate: Anomalies in the released energy flow.
Uzaysal ve Zamansal Kümeleme: Deprem fırtınası (swarm) indikatörleri.

Spatial and Temporal Clustering: Earthquake swarm indicators.
Fay Hattı Uzaklığı: Ana fay hatlarına olan jeodezik mesafe.

Fault Line Distance: Geodesic distance to major fault lines.

Küresel Sistemlerle Karşılaştırma Comparison with Global Systems

DTS-Model, mevcut sistemlerin eksik olduğu “karakterizasyon” ve “olasılıksal tahmin” boşluğunu doldurmayı hedefler:

DTS-Model aims to fill the gap of “characterization” and “probabilistic prediction” that existing systems lack:

Özellik Feature	ShakeAlert (USA)	JMA EEW (Japan)	MyShake (Global)	DTS-Model (TR)
Odak Focus	Erken Uyarı (Sn) Early Warning (Sec)	Erken Uyarı (Sn) Early Warning (Sec)	Kitle Algılama Crowdsourced	Risk Tahmini (Gün) Risk Prediction (Days)
Öncü/Artçı Ayrımı Type Classification	❌ Yok None	❌ Yok None	❌ Yok None	✅ Var (AI) Yes (AI)
Teknoloji Technology	Sismometreler Seismometers	P-Dalgası P-Wave	Telefonlar Smartphones	XGBoost, LSTM, RF
Çıktı Output	“Sarsıntı Geliyor!” “Shaking Coming!”	“Sarsıntı Geliyor!” “Shaking Coming!”	“Deprem Oldu” “Earthquake Detected”	“Öncü Olasılığı: %X” “Foreshock Prob: %X”

Raporlama ve Görselleştirme Reporting and Visualization

Sistem sonuçları, interaktif haritalar ve detaylı HTML raporları olarak sunulur:

System results are presented as interactive maps and detailed HTML reports:

Tip Haritası: Depremlerin (Öncü, Ana, Artçı, Tekil) renk kodlu gösterimi.

Type Map: Color-coded representation of earthquakes (Foreshock, Mainshock, Aftershock, Isolated).
Risk Haritası: Olasılık ve güven skoruna göre renklendirilmiş risk bölgeleri.

Risk Map: Risk zones colored according to probability and confidence score.

⚠️ Not: Bu proje deneysel bir bilimsel çalışmadır ve resmi bir erken uyarı sistemi değildir. Sonuçlar sismolojik araştırma amaçlıdır.
⚠️ Note: This project is an experimental scientific study and is not an official early warning system. Results are for seismological research purposes.