Makine Öğrenmesi Kullanarak Sismik Kayıpların Tanımlanması: Sakarya Merkezli Örnek Bir Çalışma = Determination Of Seismic Losses Using Machine Learning Techniques: A Case Study in Central Sakarya

Abstract

Afetler genel tanımıyla yaşantıyı kesintiye uğratan, fiziksel, ekonomik ve sosyal kayıplar ortaya çıkaran ve yerel imkânlar ile baş edilemeyen olaylardır. Afet gerçekleşmeden önce kayıpların tahmin edilebilmesi oluşabilecek zararların azaltılmasında ön hazırlık fazı kapsamında adımlar atılabilmesi için büyük önem taşımaktadır. Kayıp tahminin ilk adımını maruziyetin doğru tanımlanması oluşturmaktadır ve maruziyet, belirli bir tehlikenin etkisine alabileceği veya etkilediği insan, yapı veya mal varlıkları gibi değerleri ifade etmektedir. Bu tez kapsamında Sakarya ölçeğinde SBB tarafından gözlem yöntemiyle toplanan yapılara ait veriler ve Türkiye İstatistik Kurumu tarafından elde edilen yapı izin istatistikleri kullanılarak Türkiye'deki binaların envanter bilgileri elde edilip bir maruziyet haritası çıkarılmıştır.

Disasters are events that disrupt life with a general definition, causing physical, economic, and social losses that cannot be managed with local resources. It is crucial to anticipate losses before a disaster occurs in order to take steps during the pre-disaster phase of preparedness to reduce potential damages. The first step in loss prediction is the accurate identification of exposure, which refers to the values such as people, structures, or assets that a specific hazard can affect or has already affected. Within the scope of this thesis, inventory information of buildings in Turkey was obtained and an exposure map was created by using the data of buildings collected by the SBB with the observation method at the Sakarya scale and the building permit statistics obtained by the Turkish Statistical Institute (TUIK).