Makine öğrenmesi algoritmaları ile demirleme alanlarında meydana gelen deniz kazalarının şiddetini etkileyen faktörlerin analizi
Analysis of the factors affecting the severity of marine accidents occurring at anchorage areas with machine learning algorithms
- Tez No: 1004631
- Danışmanlar: DR. ÖĞR. ÜYESİ REMZİ FIŞKIN
- Tez Türü: Yüksek Lisans
- Konular: Denizcilik, Marine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ordu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Deniz Ulaştırma Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Demirleme alanları, deniz taşımacılığı faaliyetlerinde gemilerin bakım-onarım işlemlerini gerçekleştirdiği, yükleme ve boşaltma operasyonlarını yürüttüğü, ayrıca sefer öncesinde ya da sonrasında geçici olarak beklediği stratejik öneme sahip deniz alanlarıdır. Ancak uluslararası denizcilik kuruluşları ile bilimsel literatürde yapılan çeşitli çalışmalar, bu bölgelerin aynı zamanda deniz kazalarının sıkça meydana geldiği yüksek riskli alanlar olduğunu ortaya koymaktadır. Bu çalışmanın temel amacı, demirleme sahalarında gerçekleşen deniz kazalarının şiddetini etkileyen faktörleri analiz ederek, bu alanlardaki emniyet risklerinin daha iyi anlaşılmasına katkı sağlamaktır. Bu doğrultuda, dünya genelinde farklı liman ve kıyı bölgelerinde meydana gelmiş toplam 186 demirleme kazasına ait resmi kaza raporları detaylı şekilde incelenmiş ve elde edilen nitel ile nicel verilerden oluşan kapsamlı bir veri seti oluşturulmuştur. Veriseti, Lojistik Regresyon ve Bayes Ağı modellemesi gibi ileri düzey istatistiksel ve olasılıksal analiz yöntemleri ile değerlendirilmiştir. Çalışma sonucunda, kazaların şiddetini artıran belirleyici faktörler ortaya konmuş; elde edilen bulgular, gemi personeli, liman otoriteleri, denizcilik idareleri ve politika yapıcılar açısından demirleme alanlarında karşılaşılan kaza risklerini azaltmaya yönelik daha etkili ve hedefe yönelik önleyici stratejilerin geliştirilmesine önemli katkılar sunmuştur.
Özet (Çeviri)
Anchorage areas are strategically important sea zones where ships conduct maintenance and repair activities, carry out loading and unloading operations, and temporarily wait before or after voyages. However, various studies in the scientific literature and reports by international maritime organizations highlight that these areas are also high-risk zones where a significant number of maritime accidents occur. The main objective of this study is to analyze the factors influencing the severity of maritime accidents that take place in anchorage areas and to contribute to a better understanding of safety risks in these zones. To this end, 186 accident reports from different ports and coastal regions around the world were thoroughly examined, and a comprehensive dataset consisting of both qualitative and quantitative data was constructed. This dataset was analyzed using advanced statistical and probabilistic methods, including Logistic Regression and Bayesian Network Modeling. The results of the study reveal the key factors that increase the severity of accidents in anchorage areas. The findings provide valuable insights for ship crews, port authorities, maritime administrations, and policymakers, contributing to the development of more effective and targeted preventive strategies to reduce accident risks in anchorage zones.
Benzer Tezler
- A new agro-meteorological drought index based on remote sensing
Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi
EYYUP ENSAR BAŞAKIN
- Akıllı şehir coğrafi veri altyapısında yapay zekâ teknikleri ile taşınmaz yönetimi uygulamalarının geliştirilmesi
Developing real estate management applications with artificial intelligence techniques in smart city spatial data infrastructure
SÜLEYMAN ŞİŞMAN
- Dissimilarity based multiple instance learning using dictionary ensembles
Sözlük toplulukları kullanılarak farklılık tabanlı çoklu örnek öğrenme
NAZANIN MOARREF
Yüksek Lisans
İngilizce
2017
İstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Bankacılık sektöründe kredi ödemelerinin makine öğrenimi sınıflandırma algoritmalarına göre analizi
Analysis of loan payments in the banking sector according to machine learning classification algorithms
ASLI MUKADDES ESİ
- Etkin bina emlak vergi değerinin belirlenebilmesi için makine öğrenme temelli bir değerleme modeli önerisi
A proposal for a machine learning based valuation model for determining efficient building property tax value
ELİF ŞEVVAL TAŞTAN
Yüksek Lisans
Türkçe
2025
İstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
Yükleniyor...