Prediction of landslide tsunami run-up through ann-based models
[ X ]
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Heyelan kaynaklı tsunami dalgalarının maksimum tırmanmalarını başarılı bir şekilde tahmin eden ve maksimum tırmanmayı etkileyen parametrelerin rollerini inceleyen çok katmanlı algılayıcı tabanlı tahmin yöntemleri önerilmiştir. Modellerin girdisi heyelan profilinin kesiti, sahilin eğim açısı, heyelanın başlangıçtaki derinliği, düşeydeki kalınlığı ve yataydaki genişliği ile maksimum tırmanmanın gerçekleştiği zaman olmak üzere 6 kestiricili yaklaşık 55.000 satırlık veri setinden oluşmaktadır. Hedef değişkeni maksimum tsunami tırmanmasıdır. Öncelikle bir optimizasyon çalışması gerçekleştirilmiş ve tüm veri setini temsil etmek üzere rastgele seçilmiş 9.000 satırdan oluşan bir veri seti belirlenmiştir. Daha sonra maksimum tırmanmayı tahmin edebilmek amacıyla, 6 kestiricinin tüm kombinasyonlarını içerecek şekilde 63 model oluşturulmuştur. Modellerin tahmin kabiliyetleri, ortalama karesel hata, ortalama mutlak hata, ortalama mutlak yüzde hata (MAPE) ve çoklu korelasyon katsayısı (R) performans göstergeleri hesaplanarak belirlenmiştir. MLP tabanlı modeller maksimum tırmanmayı yaklaşık %1,1 minimum MAPE ve R=1 ile tahmin etmiş ve heyelanın düşey kalınlığının tırmanma üzerindeki en etkili parametre olduğunu, heyelan profilinin kesiti ile sahilin eğim açısının ise etkisi en az seviyede olan parametreler olduğunu ortaya çıkarmıştır Ayrıca, pratik bir araç olarak ReliefF öznitelik önem yöntemi destekli bir geri eleme algoritması kullanılmıştır. Literatür sonuçları ile yapılan karşılaştırma önerilen modellerin güvenilirliğini ve uygulanabilirliğini göstermiştir. Bu nedenle, önerilen yaklaşım analitik ya da sayısal modelleri desteklemek amacıyla, ya da yoksunlukları durumunda hızlı ve hassas bir yöntem olarak kullanılabilecektir.
New prediction models based on multilayer perceptron are proposed which successfully predict the maximum run-up of landslide-generated tsunami waves and the roles of parameters affecting the maximum run-up are assessed. The input to the models consists of approximately 55,000 rows of data employing six predictors, namely cross section of the landslide profile, the beach slope angle, the initial slide submergence, the vertical thickness and the horizontal length of the sliding mass, and the time of the maximum run-up. The target variable is the maximum tsunami run-up. An optimization study was first performed and a subset of 9,000 randomly sampled rows was determined to represent the whole data. A total number of 63 models consisting all possible combinations of the six parameters were then constructed for the 9,000-row data set, in an attempt to predict the maximum run-up. The prediction capability of the models was assessed by calculating Root Mean Square Error, Mean Absolute Error, Mean Absolute Percentage Error (MAPE), and Multiple Correlation Coefficient (R) as performance metrics. The MLP-based models led predictions with a minimum MAPE of approximately 1.1% and with R=1, revealing that the slide thickness has the largest impact on the maximum tsunami run-up, whereas the slide cross-section and the slope angle have minimal effect. Further, a backward elimination algorithm equipped with ReliefF feature importance method is utilized as a practical tool. Comparison with existing literature showed the reliability and applicability of the offered models. This approach can be therefore used as a fast and accurate methodology to support or when there is lack of analytical or numerical modeling.
New prediction models based on multilayer perceptron are proposed which successfully predict the maximum run-up of landslide-generated tsunami waves and the roles of parameters affecting the maximum run-up are assessed. The input to the models consists of approximately 55,000 rows of data employing six predictors, namely cross section of the landslide profile, the beach slope angle, the initial slide submergence, the vertical thickness and the horizontal length of the sliding mass, and the time of the maximum run-up. The target variable is the maximum tsunami run-up. An optimization study was first performed and a subset of 9,000 randomly sampled rows was determined to represent the whole data. A total number of 63 models consisting all possible combinations of the six parameters were then constructed for the 9,000-row data set, in an attempt to predict the maximum run-up. The prediction capability of the models was assessed by calculating Root Mean Square Error, Mean Absolute Error, Mean Absolute Percentage Error (MAPE), and Multiple Correlation Coefficient (R) as performance metrics. The MLP-based models led predictions with a minimum MAPE of approximately 1.1% and with R=1, revealing that the slide thickness has the largest impact on the maximum tsunami run-up, whereas the slide cross-section and the slope angle have minimal effect. Further, a backward elimination algorithm equipped with ReliefF feature importance method is utilized as a practical tool. Comparison with existing literature showed the reliability and applicability of the offered models. This approach can be therefore used as a fast and accurate methodology to support or when there is lack of analytical or numerical modeling.
Açıklama
Fen Bilimleri Enstitüsü, Nanoteknoloji ve Mühendislik Bilimleri Ana Bilim Dalı
Anahtar Kelimeler
Mühendislik Bilimleri, Engineering Sciences
