README.md

DepremData 🌍

Deprem verilerini analiz etmek ve deprem tahmin modeli oluşturmak için geliştirilmiş makine öğrenmesi projesi.

📋 Proje Hakkında

Bu proje, deprem verilerini kullanarak makine öğrenmesi modelleri oluşturmayı amaçlamaktadır. Proje kapsamında:

• Deprem verilerinin ön işlenmesi
• Özellik mühendisliği
• Tahmin modeli eğitimi
• Model değerlendirme ve test

🗂️ Dosya Yapısı

depremdata/
├── README.md                    # Proje dokümantasyonu
├── features.json               # Model özellikleri listesi
├── earthquake_model.joblib     # Eğitilmiş deprem tahmin modeli
├── scaler.joblib               # Veri ölçeklendirme modeli
└── .git/                       # Git versiyon kontrolü

🔬 Özellikler

Modelde kullanılan özellikler:

• Coğrafi Bilgiler: enlem, boylam, derinlik
• Deprem Özellikleri: magnitüd
• Zamansal Bilgiler: yıl, ay, gün, saat, dakika, saniye
• Türetilmiş Özellikler: yılın günü, hafta günü, son depremden geçen süre
• Etkileşim Özellikleri: magnitüd değişimi, enlem-boylam etkileşimi

🚀 Kullanım

Model Yükleme

import joblib

# Modeli yükle
model = joblib.load('earthquake_model.joblib')
scaler = joblib.load('scaler.joblib')

# Özellikleri yükle
import json
with open('features.json', 'r') as f:
    features = json.load(f)

Tahmin Yapma

# Örnek veri ile tahmin
import numpy as np

# Yeni veri hazırlama (features.json'daki sıraya göre)
new_data = np.array([[latitude, longitude, depth, magnitude, year, month, day, 
                      hour, minute, second, day_of_year, weekday, 
                      time_since_last_earthquake, magnitude_change, 
                      lat_lon_interaction]])

# Veriyi ölçeklendir
scaled_data = scaler.transform(new_data)

# Tahmin yap
prediction = model.predict(scaled_data)

📊 Model Performansı

Model eğitildiğinde aşağıdaki metrikler kullanılarak değerlendirilmiştir:

• Mean Squared Error (MSE)
• Root Mean Squared Error (RMSE)
• Mean Absolute Error (MAE)
• R² Score

🛠️ Gereksinimler

• Python 3.7+
• scikit-learn
• pandas
• numpy
• joblib

📄 Lisans

Bu proje MIT lisansı altında dağıtılmaktadır.

🤝 Katkıda Bulunma

Katkıda bulunmak isterseniz:

1. Bu depoyu fork edin
2. Yeni bir özellik dalı oluşturun (git checkout -b feature/yeni-ozellik)
3. Değişikliklerinizi commit edin (git commit -am 'Yeni özellik eklendi')
4. Dalı push edin (git push origin feature/yeni-ozellik)
5. Bir Pull Request oluşturun

📞 İletişim

Proje hakkında sorularınız için lütfen GitHub Issues bölümünü kullanın.

---

⚠️ Önemli Not: Bu proje eğitim ve araştırma amaçlıdır. Gerçek deprem tahminleri için resmi kurumların uyarılarını takip ediniz.