| Yazarlar (5) |
Arş. Gör. Makbule Hilal MÜTEVELLİ ÖNCÜL
Türkiye |
Arş. Gör. Nazlıcan GENGEÇ ZORKUN
Türkiye |
Doç. Dr. Seçil KARATAY
Kastamonu Üniversitesi, Türkiye |
Dr. Öğr. Üyesi Faruk ERKEN
Kastamonu Üniversitesi, Türkiye |
Feza Arıkan
Hacettepe Üniversitesi, Türkiye |
| Özet |
| In this study, a new approach based on Random Forest algorithm is presented for the detection of earthquake precursors in the ionosphere. Total Electron Content (TEC) data estimated from TUSAGA-Active stations belonging to three quiet and three disturbed days and the 2023 Kahramanmaraş earthquake period are used in the study. 9 different features derived from TEC data are used in the proposed model. Random Forest algorithm successfully has detected earthquake-related ionospheric disturbances with 95.45% Accuracy rate. It is observed that the model can also effectively distinguish disturbances caused by solar activity and geomagnetic storms. |
| Anahtar Kelimeler |
| Ionospheric Earthquake Precursors | Machine Learning | Random Forests | TEC Disturbances |
| Bildiri Türü | Tebliğ/Bildiri |
| Bildiri Alt Türü | Tam Metin Olarak Yayınlanan Tebliğ (Uluslararası Kongre/Sempozyum) |
| Bildiri Niteliği | Alanında Hakemli Uluslararası Kongre/Sempozyum |
| Bildiri Dili | Türkçe |
| Kongre Adı | 2025 33rd Signal Processing and Communications Applications Conference (SIU) |
| Kongre Tarihi | 25-06-2025 / 28-06-2025 |
| Basıldığı Ülke | |
| Basıldığı Şehir | İstanbul |
| Atıf Sayıları |
