Dün öğlen saatlerinde Kuşadası Körfezi'nde meydana gelen ve İzmir'i vuran deprem, 17 ağustos gibi şok edici boyutta hasara neden olmasa da, yıkılan evler ve enkazın altında kalan insanlarla büyük endişe yarattı. Üstelik küçük çaplı tsunami de üstüne tuz biber ekti. 300 kadar teknenin Sığacık Marinasında başıboş kaldığı ve sayısı bilinmeyen kadarının Marina dışına kaçtığı, Ege Denizinde başıboş kaldığı belirtiliyor.
Depremde, şu an itibariyle 1 tanesi tsunamide boğulan 17 ölüden bahsediliyor. Hepimiz yine filan akademisyen 1 hafta önce demişti ya da filan uzgörü sahibi, "zaten deprem olacağını söylemişti" demeye ya da okumaya başladık. Ya da kuşların, köpeklerin, yılanların veya balıkların yaklaşan felaketi anladıkları gibi bir efsane var. Efsane diyoruz, çünkü doğruluğu ispatlanmış değil.
Peki deprem önceden bilinebilir mi? Aynı şekilde tsunami önceden bilinebilir mi?
Burada gördükleriniz dünyadaki ana fay hatları (fault lines). Pasifik çevresini saran Circum-Pasific Belt olarak adlandırılan fay Amerika'nın batı kıyısından Japonya'nın doğu kıyısına kadarki alanı kapsıyor. Meşhur St. Andreas fayı da bu bölgede. Tüm depremlerin yüzde 80'inin bu bölgede olduğu belirtiliyor [1].
Dolayısıyla da "önceden bilmek ve uyarı" konusunda en çok çalışanlar Japonlar ve Amerikalılar. Hem fayları, hem de oluşan depremleri makine öğrenmesi ve yapay zeka ile takip eden çalışmalar bunlar. Neler yaptıklarına baktık.
Önce fay olayını bir hatırlayalım:
Deprem neden oluyor, nasıl başlıyor?
Depremler için "şöyle olur" şeklinde modeller, kurallar ve düzenlilik bulunabilir mi? Yoksa doğaları gereği rastgele ve kaotikler mi? Sismik haritaya bakarsak, fayların arazi boyunca düzgün ve düzenli çizgiler olmadığı görülür. Deprem uzmanlarının sürekli belirttikleri "stres biriktirdi" cümlesi bununla ilgili. Çatlak, dengesiz kabuk stresle dolu. Bir tanesi ufacık bir sıkıntı yaşadığında, diğer problemli yerde stres atabilir.
Bilim adamlarının en iyi yapabilecekleri şey, fay bölgelerinin zeminini incelemek, fay hatlarının haritalarını yapmak ve hangilerinin kopmaya yaklaştığını anlamaya çalışmak. Bu haritalar sayesinde belirli bir süre zarfında, belirli bir bölgede, belirli bir büyüklükte deprem olasılığına dair tahminde bulunabiliyorlar. Bu da sağlam olmayan binaların tespiti ve düzeltilmesi için bir şans sağlayabilir ama o kadar. Tam anlamıyla bir uyarı yapmak henüz mümkün gözükmüyor.
1906 San Francisco depremi fayların önemini ortaya koydu
San Francisco depremine kadar jeologlar depremlerin ve fayların nasıl bağlantılı olduğundan emin değildiler. Birçoğu, fayların depremlerin kaynağı değil, yan ürünleri olduğuna inanıyordu. Berkeley jeoloğu Andrew Lawson, San Andreas Fayı'nı daha önce keşfetmiş ve adını San Andreas Vadisi'nden ötürü koymuştu. 1906 depremi sonrasındaki yangınlar söndüğünde ve San Francisco yeniden inşa edilmeye başlandığında, Lawson ve ekibi Büyük Depremin gizemini çözmek için yola çıktı. Onlar tam anlamıyla fay kırığının üzerinden geçtiği yollarda yürüdüler. Sonra 600 mil (965,6 kilometre) güneye devam ettiler, manzarayı bakarak, fayın kesintisiz bölümlerini keşfettiler. 1908'de bu ekip, Dünya'daki bu yırtılmayı canlı fotoğrafik ayrıntılarla gösteren efsanevi Lawson raporunu yayınladılar ve fayların anlamı ortaya çıktı [2].
Yapay zeka ve makine öğrenmesi depremleri önceden tespit edebilir mi?
Şimdilerde binaların depreme uygun inşa edilmesi gibi önlemlerin yanısıra, erken uyarı nasıl yapılabilir konusunda çalışılıyor. Bunun için yapay zeka ve makine öğrenmesi ile fay hatları ve eski depremler inceleniyor. Bu konuda yüzde 80 depremin meydana geldiği Pasifik kuşağı (Circum-Pasific Belt) dolayısıyla en çok Amerikalılar ve Japonlar çalışıyor. 2018'de yayınladığımız başka bir yazıda çok daha ayrıntılı bir özet okuyabilirsiniz [3].
ABD ve Japonya örnekleri
Amerikalılar "Deprem tespiti ve konumu için evrişimli sinir ağı (ConvNetQuake)" adını taşıyan bir proje üzerinde çalışıyorlar [4][5]. Bu çalışmanın özetinde şunlar belirtiliyor:
"Orta Amerika Birleşik Devletleri'nde indüklenmiş sismisitenin son evrimi, sismik tehlike değerlendirmesini iyileştirmek için kapsamlı kataloglar gerektirmektedir. Son on yılda, sismik verilerin hacmi katlanarak arttı ve depremleri güvenilir bir şekilde tespit etmek ve bulmak için verimli algoritmalara ihtiyaç yarattı. Günümüzün en ayrıntılı yöntemleri, tekrar eden sismik sinyalleri arayarak, sürekli sismik kayıtların bolluğunu tarar. Yapay zekadaki son gelişmelerden yararlanıyoruz ve tek bir dalga formundan deprem tespiti ve konumu için oldukça ölçeklenebilir bir evrişimli sinir ağı olan ConvNetQuake'i sunuyoruz. Tekniğimizi ABD, Oklahoma'da indüklenen sismisiteyi incelemek için uyguluyoruz. Oklahoma Geological Survey tarafından daha önce kataloglanandan 17 kat daha fazla deprem tespit ediyoruz."
ConvNetQuake adını taşıyan bu proje depremleri tespit etmek ve bulmak için tasarlanmış bir sinir ağı. Özelleştirilmiş algoritma, sismogram olarak bilinen yer hareketi ölçümlerine bakıp, sismik aktivitenin sadece "gürültü" mü yoksa "deprem" mi olduğunu belirliyor. Geçmişte, bu gürültü nedeniyle çok küçük depremleri tespit etmek çok zordu, ancak ConvNetQuake ayrımı yapabiliyor. Araştırmacılar, ConvNetQuake'i eğitmek ve test etmek için Oklahoma'daki sismik aktiviteyi kullandılar. Sistemlerinin Oklahoma Geological Survey deprem kataloğunda kaydedilenden 17 kat daha fazla deprem tespit ettiğini buldular.
Yüzde 80 deprem kuşağında yer alan diğer bir ülke olan Japonların benzersiz bina inşaat teknikleri depreme karşı önemli bir koruma sağlıyor (Japonların bina yönetmeliklerini öğrenmemiz lazım)[6]. Ama Japonların 2011 yılındaki 9 şiddetindeki deprem ve arkasından gelen dalga yüksekliğinin 38 metre yüksekliğe vardığı raporlanan tsunami felaketi ve yine bu tsunami sonrası Fukuşima Nükleer faciası düşünülürse [7], "erken uyarı" sistemi çok önemli. Amerikalıların yaptığı gibi yapay zeka ve makine öğrenimi kullanan benzer bir çalışmaları bu yıl temmuz sonunda duyurdular.
Japonlar, Makine Öğrenimini tarihi sismik kayıtlar üzerinden gerçekleştiren ve yer hareketini hesaplamak (ve tahmin etmek) için bunu mevcut denklemlerle birleştiren karmaşık bir tahmin sistemi üzerinde çalışıyorlar [8]. Onların özeti ise şu şekilde:
"Önceden yorumlanmış verilerin kullanılması, genellikle eğitimli bir makine öğrenimi modelinde büyük çarpıklıklara yol açar. Makine öğrenimi ile deprem kaynaklı yer hareketi yoğunluğu için bir tahmin aracı oluştururken bu problemle karşı karşıyayız. Bu çalışmada oluşturulan makine öğrenimi öngörücüsü, verilerin nispeten zayıf yer hareketlerine uyması iyi olmasına rağmen, güçlü hareketler için eksik tahmin problemine sahiptir. Bu eksik tahmin sorunu, mevcut yer hareketi kayıtlarındaki güçlü önyargıdan kaynaklanmaktadır; veri kümesinde güçlü hareketlere dair birkaç kayıt var. Bu nedenle, makine öğrenimi ve geleneksel yer hareketi tahmin denkleminin hibrit bir yaklaşımını öneriyoruz."
Gümüşhane Üniversitesi'nde de benzer bir çalışma gözüküyor
Son yıllarda epeyce büyük depremlerin yaşandığı bir ülke olduğumuz düşünülürse (aşağıdaki grafikte hatların Türkiye üzerindeki durumuna bakın), acaba bizde bu tür araştırma yapanlar var mı diye baktık. Bir makine öğrenmesi/yapay zeka araştırması da Gümüşhane Üniversitesinde gözüküyor [9]. Ancak çalışmanın 2016 sonrasındaki gelişmeleri konusunda bir kayıt bulamadık. Gümüşhane Üniversitesi bu konuda bir açıklama yaparsa çok iyi olacak. O çalışmanın özeti ise şöyle verilmiş:
"Depremleri önceden tam olarak bilen ve genelleştirebilecek bir yöntem henüz geliştirilememiştir. Ancak depremler çeşitli yöntemlerle tahmin edilmeye çalışılır. Bu yöntemlerden biri olan yapay sinir ağları, belirlenen girdi ve çıktılar arasındaki ilişkiyi öğrenerek farklı örüntülere uygun çıktılar verir. Bu çalışmada, Gutenberg-Richter ilişkisine bağlı ve deprem tahminlerinde kullanılan b değerine dayanan ileri geri beslemeli bir yapay sinir ağı geliştirilmiştir. Yapay sinir ağı, Türkiye'nin güneybatısında yoğun sismik aktiviteye sahip dört farklı bölgeye ait deprem verileri kullanılarak eğitildi. Eğitim sürecinden sonra, aynı bölgelerin daha sonraki tarihlerine ait deprem verileri test için kullanılmış ve şebekenin performansı ortaya konmuştur. Geliştirilen ağın tahmin sonuçları incelendiğinde, ağın bir depremin olmayacağını öngördüğü tahmin sonuçları tüm bölgelerde oldukça yüksektir. Ayrıca, şebekenin bir depremin olacağını öngördüğü deprem tahmin sonuçları, incelenen bölgeler için bir dereceye kadar farklıdır."
Tüm dünyada yapay zeka/makine öğrenmeli çalışmalar sürüyor ve henüz başarılı bir model geliştirilmedi
Bu çalışmaların hepsi güzel ama başta da belirttik, deprem hayli karmaşık bir olay. Dolayısıyla çalışmaların henüz devam etmekte olduğunu kaydedelim. Henüz elimizde doğruluğunu tam kanıtlanmış bir çalışma gözükmüyor. Nature dergisindeki bir makale bunu şöyle özetliyor[10]:
"Deprem Erken Uyarı (EEW) uyarıları sağlamak, hasar ve can kaybını en aza indirmeye yardımcı olacaktır. ABD Kaliforniya Teknoloji Enstitüsü'nden Men-Andrin Meier ve meslektaşlarının, 3 EEW algoritmasının (EPIC, FinDer ve PLUM) yeteneklerini araştırdığı kaydediliyor. Bu algoritmalar kullanılarak, kuvvetli hareket sismometrelerinden (yer ivmesini ölçen) gelen veriler 'tekrar oynatıldı' ve 1996'dan 2017'ye kadar Japonya'da 219 deprem için analiz edildi (Mw = 4.5-9.1). Üç algoritmanın da EEW sistemleri olarak potansiyele sahip olduğunu buldular. Özellikle, kuvvetli ila aşırı yer hareketinin meydana geldiği sitelerin yüzde 40-60'ında yoğun sarsıntıdan en az 5 saniye önce uyarılar tetiklendi ve bu, pencerelerden veya masanın altından uzaklaşmak için yeterli zaman sağladı. Ancak, tahminlerin doğruluğu ile sağlanan uyarı süresi arasında bir denge gözüküyor. Özellikle, PLUM algoritması en yüksek gerçek pozitif sonuç yüzdesine sahiptir, ancak uyarı süreleri tipik olarak çok daha kısa.
"Açık bir ilerlemeye rağmen, EEW algoritmalarının hem uyarı sürelerini yükseltmek hem de yanlış alarmların sayısını en aza indirmek için iyileştirilmesi gerekiyor. Dahası, hareket ağlarının Japonya'dakinden daha az yoğun veya homojen olduğu bölgelerde doğru ve zamanında uyarıların yapılıp yapılamayacağını gelecekteki çalışmaların test etmesi gerekiyor. Bununla birlikte, depremlerle ilişkili tehlikeleri azaltmak için EEW uyarı sistemlerinin başarıyla uygulanabileceği açıktır."
TIKLAYIN | İBB Kentsel İyileştirme Başkanı Kahraman: Kandilli, İzmir'deki tsunamiyi 11 dakika önce AFAD'a bildirmiş ama sistem olmadığı için atlanmış; İstanbul'da da 800 bin bina taranacak
