Kazanimlar:
- Heyelan duyarlılık haritalaması, sismik tehlike ve sıvılaşma değerlendirmesinde AI'ın kullanım noktalarını kavrayabilme
- Çok değişkenli tehlike verisinden risk sınıflandırması ve erken uyarı iş akışını kurgulayabilme
- Tehlike çıktılarını can güvenliği sorumluluğu, yanlış alarm dengesi ve saha kanıtıyla doğrulayabilme
Bu ünitenin konusu, jeoloji mühendisliğinin en ağır sorumluluk taşıyan alanıdır: doğal afet ve jeolojik tehlike değerlendirmesi. Burada bir hatanın bedeli para değil, insan hayatıdır. Bir heyelan duyarlılık haritası bir mahalleyi yanlışlıkla "güvenli" gösterirse önlem alınmaz; bir sıvılaşma değerlendirmesi bir hastanenin altındaki zemini yanlış okursa deprem anında yapı batabilir. Yapay zeka bu alanda çok değişkenli veriyi işlemekte, örüntü yakalamakta ve erken uyarı sinyallerini süzmekte gerçek değer üretir. Ama tam da bu alanda, yanlış çıktının maliyeti en yüksek olduğu için, doğrulama en katı, mühendis onayı en mutlak ve belirsizliğin yönetimi en hassas olmalıdır.
Bu ünitede üç tehlike türünü yapay zeka merceğiyle ele alacağız: heyelan duyarlılık haritalaması (hangi yamaçların kayma riski taşıdığını çok değişkenli veriden kestirmek), sismik tehlike (deprem yer hareketinin olası şiddeti) ve sıvılaşma (doygun gevşek kumun deprem sırasında sıvı gibi davranıp taşıma gücünü yitirmesi). Ortak temamız, tehlike çıktılarında yanlış negatifin (gerçekte tehlikeli bir alanı güvenli sınıflamanın) neden ölümcül olduğu ve eşiklerin can güvenliği lehine nasıl kurulacağıdır.
Yanlış Negatif ve Yanlış Pozitif Dengesi
Tehlike sınıflandırmasında iki tür hata vardır. Yanlış pozitif, güvenli bir alanı tehlikeli sınıflamaktır; sonucu gereksiz maliyet, fazladan inceleme, belki bir projenin ertelenmesidir — can açısından güvenli taraftadır. Yanlış negatif, tehlikeli bir alanı güvenli sınıflamaktır; sonucu önlemin alınmaması ve olası can/mal kaybıdır. Bu iki hata eşit değildir. Can güvenliği alanlarında eşik, yanlış negatifi en aza indirecek şekilde ihtiyatla seçilir; yani şüphede kalınca tehlikeli tarafa yuvarlanır ve saha teyidiyle doğrulanır.
Yapay zeka modelleri genelde toplam doğruluğu (accuracy) en üst düzeye çıkaracak eşik seçer. Ama tehlike biliminde amaç toplam doğruluk değil, yanlış negatifi düşük tutmaktır. Bu yüzden modelin çıktısı "sınıf" değil, kalibre edilmiş bir olasılık olmalı ve eşiği tehlike uzmanı, sonuçlarını bilerek koymalıdır. Bir heyelan modelinin %92 doğruluğu, gerçek heyelanların yarısını kaçırıyorsa değersizdir.
Dikkat: Bir tehlike modelinin yüksek genel doğruluk oranı sizi yanıltmasın. Nadir ama ölümcül olayları (heyelan, sıvılaşma) kaçırma oranına (yanlış negatif) bakın. Can güvenliğinde ölçüt, ortalamada haklı çıkmak değil, tehlikeliyi kaçırmamaktır.
Heyelan Duyarlılık Haritalaması
Heyelan duyarlılığı, "her koşul sağlandığında burası kayar mı?" sorusunu jeolojik ve topografik değişkenlerle yanıtlar. Girdiler tipik olarak: eğim, bakı, litoloji, süreksizlik yönelimi, arazi kullanımı, yağış, geçmiş heyelan envanteri ve yer altı suyu. Yapay zeka bu katmanları füzyonlar ve geçmiş heyelanların çevresindeki örüntüyü öğrenerek bir duyarlılık haritası üretir.
İki kritik nokta vardır. Birincisi, model geçmiş heyelan envanterinden öğrenir; envanter eksikse (birçok heyelan kayıtlı değilse) model o örüntüleri hiç göremez ve yanlış negatif üretir. İkincisi, duyarlılık tetikleyiciyi (ne zaman kayacağı) değil, yatkınlığı (koşullar oluşursa nerede kayacağı) verir; ikisini karıştırmak tehlikelidir. Harita, saha jeoloğunun mostra gözlemi, süreksizlik ölçümü ve geçmiş hareket izleriyle doğrulanmadan karar dayanağı olmaz.
Sismik Tehlike ve Sıvılaşma
Sismik tehlike değerlendirmesi, bir sahada belirli bir sürede aşılması beklenen yer hareketini (ivme) olasılıklı olarak kestirir. Yapay zeka, kayıt veritabanlarını işlemede, yer hareketi tahmin ilişkilerini karşılaştırmada ve senaryo üretmede yardımcı olur. Ancak fay kaynaklarının tanımı, tekrarlama aralıkları ve zemin büyütmesi jeolojik-sismolojik uzmanlık gerektirir; model bunları uyduramaz.
Sıvılaşma değerlendirmesi, doygun gevşek kumun deprem titreşimiyle taşıma gücünü kaybetme riskini ölçer. Klasik yöntem, SPT-N (veya CPT) değeriyle depremin ürettiği gerilim döngü oranını karşılaştırıp bir güvenlik katsayısı çıkarmaktır. Yapay zeka veriyi düzenler ve çok kuyulu bir sahada sıvılaşma potansiyelini hızla tarar; ama sonuç, standart yöntemle (ör. yerel deprem yönetmeliği) el hesabıyla doğrulanır. Burada yanlış negatif, bir yapının deprem anında zemine batması demektir.
Üç Mini Vaka: Rakamlarla
Vaka 1 — Eksik envanterin yakalanması. Bir ilçe heyelan haritasında model %89 doğrulukla "iyi" görünüyordu; ama saha jeoloğu, haritanın güvenli gösterdiği bir vadi yamacında üç eski heyelan izi (kaydedilmemiş) buldu. Envanter eksik olduğu için model bu örüntüyü öğrenememişti. Envanter güncellenip harita yenilenince o yamaç yüksek duyarlılığa geçti. %89 doğruluk, en kritik alanı kaçırmayı gizliyordu.
Vaka 2 — Sıvılaşma eşiği. Bir sahil dolgu sahasında model, ortalama doğruluğu en yüksek eşikle 42 sondajın 6'sını "sıvılaşma riski" işaretledi. Uzman, yanlış negatifi düşürmek için eşiği ihtiyatlı tarafa çekince 11 sondaj işaretlendi; ek beşinin standart el hesabıyla gerçekten riskli olduğu doğrulandı. İhtiyatlı eşik beş potansiyel yanlış negatifi kurtardı; maliyet artışı, olası can riskinin yanında önemsizdi.
Vaka 3 — Erken uyarı sinyali. Bir açık ocak şevinde radar ve eğim sensörü verisini işleyen yapay zeka, deformasyon hızında yavaş bir ivmelenme işaretledi ve alarm verdi. Ekip bölgeyi boşalttı; 40 saat sonra şevde büyük bir kayma gerçekleşti, ama kimse zarar görmedi. Model kesin gün/saat söylemedi; hızlanan hareketi görünür kılıp insan kararına zaman kazandırdı.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Bu bölgede heyelan riski var mı? Verilere bak ve güvenli mi tehlikeli mi söyle.[katman verisi]
Güçlü prompt:
Rolün: Doğal tehlike jeoloğu asistanı. Aşağıdaki değişkenlerle KESİN"güvenli/tehlikeli" etiketi verme. Bunun yerine:1) Duyarlılığa katkısı olan faktörleri ve her birinin yönünü açıkla.2) Sınıf yerine kalibre olasılık mantığı kur; can güvenliği için eşiğin neden yanlış negatifi düşürecek şekilde ihtiyatlı seçilmesi gerektiğini belirt.3) Geçmiş heyelan envanteri eksikse çıktının nasıl yanıltıcı olabileceğini yaz.4) Sahada teyit edilmesi gereken 4 noktayı listele.Nihai değerlendirme yetkili mühendise aittir. Veri anonimdir.
Dört Kopyalanabilir Şablon
1) Tehlike sınıf yerine olasılık isteme:
Tehlike modeli çıktısını keskin sınıf yerine kalibre olasılık olarak yorumla.Yanlış negatif ve yanlış pozitifin bu sahadaki sonuçlarını karşılaştır vecan güvenliği için eşiğin hangi yöne kaydırılması gerektiğini gerekçelendir.
2) Envanter eksikliği denetimi:
Heyelan duyarlılık modelinin eğitildiği envanterin eksik olabileceğibelirtilerini listele (kayıt yılları, kapsanan alan, veri boşlukları). Bueksikliğin hangi bölgelerde yanlış negatif riskini artıracağını işaretle.
3) Sıvılaşma tarama taslağı:
Çok sondajlı bir sahada sıvılaşma potansiyeli için: hangi sondajlarındoygun gevşek kum içerdiği ve öncelikli el hesabı gerektirdiğine dair birtarama önerisi yap. Standart yöntemle doğrulanması gerektiğini belirt;kesin güvenlik katsayısı verme.
4) Erken uyarı sinyal yorumu:
Deformasyon izleme serisinde (eğim/radar) hız ve ivmelenme değişimleriniözetle; alarma değer bir hızlanma örüntüsü var mı? Kesin zaman tahminiverme; insan kararına ne zaman/veri gerektiğini belirt.
Tehlike Türü, Yanlış Negatif ve Doğrulama
Tehlike
AI katkısı
Yanlış negatifin sonucu
Zorunlu doğrulama
Heyelan duyarlılık
Katman füzyonu, örüntü
Kayan alanı güvenli sanmak
Saha + güncel envanter
Sismik tehlike
Veritabanı/senaryo
Yer hareketini eksik kestirmek
Sismolojik uzman + standart
Sıvılaşma
Çok kuyu tarama
Yapının zemine batması
SPT/CPT el hesabı + yönetmelik
Şev erken uyarı
İzleme sinyali süzme
Boşaltmayı geciktirmek
İnsan kararı + saha teyidi
İpucu: Tehlike çıktısını her zaman "yanlış alarm mı kabul edilebilir, yoksa kaçırma mı?" sorusuyla okuyun. Can güvenliğinde birkaç yanlış alarma katlanmak, tek bir kaçırılan tehlikeden çok daha kabul edilebilirdir.
Sık yapılan hatalar
- Genel doğruluğa aldanmak. Yüksek accuracy, nadir ölümcül olayları kaçırıyor olabilir; asıl ölçüt yanlış negatif oranıdır.
- Eşiği modele bırakmak. Can güvenliği eşiği, sonuçlarını bilen uzman tarafından ihtiyatlı konur; otomatik "en iyi" eşik değil.
- Eksik envanteri görmezden gelmek. Model öğrenmediği örüntüyü göremez; envanter eksikse harita güvenli tarafı yanıltır.
- Yatkınlıkla tetikleyiciyi karıştırmak. Duyarlılık "nerede", tetikleyici "ne zaman" sorusudur; ikisi ayrı doğrulama ister.
- Erken uyarıyı kesin kehanet sanmak. Sistem zaman kazandırır; boşaltma kararı ve sorumluluk insanındır.
Özetle
- Doğal tehlike, jeoloji mühendisliğinin en ağır sorumluluk alanıdır; yanlış çıktının bedeli can olabilir.
- Yanlış negatif (tehlikeliyi güvenli sanmak) yanlış pozitiften çok daha ciddidir; eşik ihtiyatla, can lehine seçilir.
- Genel doğruluk yanıltıcıdır; ölçüt nadir ölümcül olayları kaçırma oranıdır; çıktı sınıf değil kalibre olasılık olmalıdır.
- Heyelan modeli eksik envanterden öğrenemez; her tehlike haritası saha ve uzman teyidiyle doğrulanır.
- Erken uyarı zaman kazandırır ama kehanet değildir; boşaltma ve önlem kararı yetkili mühendis ve yetkilinindir.
Uygulama görevi
Anonimleştirilmiş bir tehlike senaryosu (heyelan katmanları veya sıvılaşma sondajları; temsili veri) alın. "Tehlike sınıf yerine olasılık isteme" şablonuyla modeli keskin etiket vermekten alıkoyup yanlış negatif/pozitif dengesini tartıştırın. Ardından "envanter eksikliği denetimi" şablonuyla çıktının hangi bölgelerde yanıltıcı olabileceğini buldurun ve saha teyidi gereken üç noktayı bir liste halinde yazın.
Kontrol listesi
- [ ] Yanlış negatif ile yanlış pozitif arasındaki farkı ve can güvenliğindeki önemini kavradım.
- [ ] Tehlike çıktısını genel doğruluk yerine kaçırma oranıyla değerlendiriyorum.
- [ ] Eşiğin uzman tarafından ihtiyatla, can lehine konması gerektiğini uyguluyorum.
- [ ] Heyelan modelinin eksik envanterden öğrenemeyeceğini ve saha teyidi gerektiğini biliyorum.
- [ ] Erken uyarı sistemini kehanet değil, insan kararına zaman kazandıran araç olarak kullanıyorum.