GEAKDES: Gerçek Zamanlı Deprem Afet / Süreç Yönetimi İçin Yapay Zekâ Temelli Akıllı Karar Destek Sistemi

Abstract

Depremler, dünya genelinde sıkça görülen ve ciddi etkiler yaratan doğal felaketlerdir. Modern teknoloji, özellikle sismik olarak aktif bölgelerde, gerçek zamanlı sismik ölçümlerle hızlı müdahale imkanı sağlar. Deprem sonrası hızlı ve doğru hasar tespiti, acil yardım ve kurtarma operasyonlarının etkin yönetilmesini sağlar. Depremlerin dünya çapında ekonomik ve insan kayıpları büyük boyutlardadır, özellikle sismik olarak aktif bölgelerde tehdit oluşturur. Bina güçlendirme çalışmaları ve afet önleme planları, toplumların depremlere karşı direncini artırabilir. Makine öğrenimi ve yapay zeka, depremle ilgili konularda önemli uygulamalara sahiptir. Bu teknolojiler, deprem hasar tahmini, sismik aktivite tahmini ve bina güçlendirme stratejilerinde kullanılır. GEAKDES projesi, bütünleşik bir afet karar destek sistemi sunmaktadır. Gerçek zamanlı makine öğrenmesi algoritmaları, deprem hasar tahminini bina, deprem, zemin gibi karakteristik özelliklerden elde ederek gerçekleştirmektedir. Bu bilgiler, uydu görüntü analizleri ile birleştirilerek daha yüksek doğrulukla deprem hasar tahmini yapılmasını sağlamaktadır. Ayrıca, deprem sonrası yardım ihtiyaçlarını tespit ederek lojistik ağ modeli çalıştırılmakta ve yardım rotaları belirlenmektedir. Proje kapsamında geliştirilen Maliyet Duyarlı Paralel ABC-ANN ve Maliyet Duyarlı Paralel GA algoritmaları, deprem hasar tahmininde yüksek doğruluk ve hızlı eğitim süreleriyle dikkat çekmektedir. Sentinel-2 ve Sentinel-1 uydu görüntüleri kullanılarak deprem sonrası hasar tespiti yapılmış, optik görüntülerle bina yıkımları, SAR görüntüleriyle zemindeki değişiklikler belirlenmiştir. Bu bilgilerin entegrasyonuyla %91 doğruluk elde edilmiştir. Açık kaynaklı Sentinel-1 SAR uydu görüntülerinin kullanımı, makine öğrenmesi yöntemlerine entegre edilerek deprem kaynaklı hasarın anlaşılmasına katkı sağlamıştır. GEAKDES, hasar tahmin bilgilerini kullanarak deprem bölgesi yardım ulaştırma planlamasına yönelik lojistik ağı modellemektedir. MM-CSA yaklaşımıyla rotalar hesaplanmış ve İkame Ürün Stratejisi ile pilot bölgelerde yardım dağıtım rotaları belirlenmiştir. Proje, elde edilen bilgi ve deneyimleri paylaşarak insanlığın faydalanmasını amaçlamaktadır.

Earthquakes are natural disasters that frequently occur worldwide and have serious consequences. Modern technology, especially in seismically active regions, allows for real-time seismic measurements, enabling rapid intervention. Quick and accurate damage assessment after earthquakes ensures effective management of emergency aid and rescue operations. Earthquakes cause significant economic and human losses globally, particularly posing a threat in seismically active areas. Building strengthening efforts and disaster prevention plans can enhance communities' resilience to earthquakes. Machine learning and artificial intelligence have significant applications in earthquake-related areas. These technologies are used in earthquake damage prediction, seismic activity forecasting, and building strengthening strategies. The GEAKDES project provides an integrated disaster decision support system. Real-time machine learning algorithms perform earthquake damage prediction using characteristic features such as building, earthquake, and ground data. This information is combined with satellite image analyses to achieve more accurate earthquake damage predictions. Additionally, post-earthquake aid needs are identified, and a logistics network model is run to determine aid routes. The Cost-Sensitive Parallel ABC-ANN and Cost-Sensitive Parallel GA algorithms developed within the project stand out for their high accuracy and fast training times in earthquake damage prediction. Sentinel-2 and Sentinel-1 satellite images are used for post-earthquake damage detection, with optical images identifying building collapses and SAR images detecting ground changes. Integration of this information results in a 91% accuracy rate. The use of open-source Sentinel-1 SAR satellite images, integrated with machine learning methods, contributes to understanding earthquake-induced damage. GEAKDES models a logistics network for earthquake region aid delivery planning using damage prediction information. Routes are calculated using the MM-CSA approach, and aid distribution routes are determined in pilot areas through the Substitute Product Strategy. The project aims to share acquired knowledge and experiences for the benefit of humanity.