Sismik Sinyal Sınıflandırma İçin Hibrit Bir Çerçeve: Deneysel Mod Ayrıştırmanın Zaman Alanı ve Doğrusal Olmayan Özniteliklerin Kaotik Meta-Sezgisel Optimizasyonu İle Entegrasyonu

Depremlerin hızlı ve doğru bir şekilde tespit edilmesi, erken uyarı sistemleri ve afet yönetimi süreçlerinde hayati bir rol oynamaktadır. Bu çalışmada, sismik sinyallerin çevresel gürültülerden yüksek doğrulukla ayrıştırılmasına yönelik kapsamlı bir model önerilmiştir. Çalışma kapsamında sismik sinyaller öncelikle z-skor normalizasyonu yöntemiyle ölçeklendirilmiş, ardından Deneysel Mod Ayrıştırma yöntemi kullanılarak 5 seviyeli iç mod fonksiyonlarına (IMF) ayrıştırılmıştır. Öznitelik çıkarma aşamasında her bir IMF bileşeninden 7 adet doğrusal olmayan (Shannon, Log enerji, Renyi, Tsallis, Yaklaşık, Örnek ve Permütasyon entropileri) ve 3 adet zaman alanına ait (Enerji, Basıklık ve Çarpıklık) olmak üzere toplam 10 adet öznitelik elde edilmiştir. Analiz sürecinde hem her bir IMF bileşeni bağımsız olarak değerlendirilmiş hem de IMF1'den IMF5'e kadar olan tüm bileşenlerin birleşiminden oluşan bütüncül bir veri seti (IMF1-5) oluşturularak karşılaştırmalı testler yürütülmüştür. Sınıflandırma aşamasında Rastgele Orman (RO) algoritması kullanılmıştır. Model performansını optimize etmek amacıyla Parçacık Sürü Optimizasyonu (PSO), Karınca Koloni Optimizasyonu (KKO), Yapay Arı Kolonisi (YAK) algoritmaları ile bu yöntemlerin kaotik tabanlı versiyonları (Kaotik PSO, Kaotik KKO, Kaotik YAK) çalışmaya entegre edilmiştir. Elde edilen deneysel sonuçlara göre, en yüksek sınıflandırma başarısı %97,67 doğruluk oranı ile tüm IMF’lerin kullanıldığı veri seti üzerinde KKO algoritması ile elde edilmiştir. Tekil bileşenler bazında yapılan değerlendirmelerde ise en yüksek başarımın %92,30 ile IMF3 bileşeninde olduğu saptanmıştır. Bu bulgular, DMA tabanlı hibrit öznitelik setlerinin kaotik optimizasyon yöntemleriyle birleştirilmesinin deprem tespiti süreçlerinde yüksek güvenilirlik ve hassasiyet sunduğunu kanıtlamaktadır.