Geri Dön

AI-based prediction of algae blooms.

Alg patlamalarının yapay zeka temelli tahmini.

  1. Tez No: 1010342
  2. Yazar: GİZEM ÖZÇELİK
  3. Danışmanlar: DOÇ. DR. ERCAN ATAM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Veri Bilimi ve Yapay Zeka Enstitüsü
  11. Ana Bilim Dalı: Veri Bilimi ve Yapay Zeka Ana Bilim Dalı (disiplinlerarası)
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son yıllarda alg çoğalmaları, potansiyel etkileri sebebiyle önemli bir çevresel sorun haline gelmiştir. Ancak, etkili faktörler arasındaki karmaşık ve doğrusal olmayan ilişkiler nedeniyle alg çoğalmalarının tahmin edilmesi ve geleceğe yönelik projeksiyonlarının oluşturulması hâlâ zordur. Bu zorluğu ele almak için, klorofil-a bazlı alg çoğalması oluşumunu kısa dönem ve uzun dönem kurulumları kapsamında sınıflandırmak ve bunun yanı sıra gelecek projeksiyonları oluşturmak amacıyla Windermere Gölü için yapay zeka temelli karşılaştırmalı bir çerçeve geliştirilmiştir. Kısa dönem kurulumu su kalitesi, mevsimsellik, bölge ve iklim değişkenlerini içerirken, uzun dönem kurulumu su kalitesi değişkenleri hariç aynı değişkenleri içermiştir. Bu doğrultuda, altı sınıflandırma modeli (LightGBM, Lojistik Regresyon, LSTM, Random Forest, SVM, XGBoost), farklı değişken gruplarına ve zamansal kapsamlara sahip her bir kurulumda en iyi performans gösteren modeli belirlemek amacıyla hem kısa dönem hem de uzun dönem kurulumları için eğitilmiş ve değerlendirilmiştir. En iyi performans gösteren uzun dönem modeli kullanılarak, RCP4.5 ve RCP8.5 senaryoları altında yüksek çözünürlüklü RCM'den türetilmiş iklim değişkenleri kullanılarak gelecek projeksiyonları oluşturulmuştur. Sonuçlar, kısa dönem kurulumunda XGBoost'un, uzun dönem kurulumunda ise Random Forest'ın en iyi performans gösteren model olduğunu göstermiştir. Bu durum, en iyi performans gösteren modelin girdi değişkenlerine bağlı olarak değişebileceğini göstermektedir. Sonuçlar ayrıca, alg çoğalması tahmini açısından su kalitesi değişkenlerinin değerini vurgulamıştır. Ek olarak, gelecek projeksiyonları alg çoğalmalarının devam edebileceğini göstermiştir. Bu nedenle, alg çoğalmalarının erken tahmini, karar vericilerin ve yetkililerin alg çoğalmalarının olası zararlı etkilerini azaltmaya yönelik önlemler almasına yardımcı olması açısından gereklidir.

Özet (Çeviri)

In recent years, algal blooms have become an important environmental concern because of their potential impacts on aquatic ecosystems and human health. However, predicting and projecting algal blooms remains challenging due to the complex and nonlinear relationships among the driving factors. To address this challenge, an AI-based comparative framework was developed to classify chlorophyll-a based algal bloom occurrence under short-term and long-term set-ups, as well as to generate future projections for Lake Windermere. The short- term set-up included water quality, seasonality, region and climate variables, whereas the long-term set-up included the same variables except for water quality variables. Accordingly, six classification models (LightGBM, Logistic Regression, LSTM, Random Forest, SVM, XGBoost) were trained and evaluated for both short-term and long-term set-ups with the aim of identifying the best-performing model in each set-up with different variable groups and temporal coverages. Using the best-performing long-term model, future projections were generated using high-resolution RCM-derived climate variables under RCP4.5 and RCP8.5 scenarios. Results showed that XGBoost was the best-performing model in the short-term set- up and Random Forest was the best-performing model in the long-term set-up. This suggests that best-performing model may change depending on the available input variables. The results also highlighted the value of water quality variables for algal bloom prediction. In addition, future projections showed that algal blooms may continue to occur in the future, especially under high-forcing scenarios. Therefore, early prediction of algal blooms is necessary to help decision makers and authorities take precautions to reduce the possible harmful effects of algal blooms.

Benzer Tezler

  1. Tez No

    864940

    Use of artifical intelligence-based approaches for developing microalgae-based nutrient media and modelling the growth of b.subtilis in these alternative media

    Mikroalg bazlı besin ortamları geliştirmek ve b.subtilis'in bu alternatif ortamlarda büyümesini modellemek için yapay zeka temelli yaklaşımların kullanılması

    ŞEVVAL ÇİMYAPAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyoteknolojiGebze Teknik Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. MÜGE İŞLETEN HOŞOĞLU

    DR. ÖĞR. ÜYESİ ÖZGÜN YÜCEL

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    984706

    Cardiorisk-AI: Biomedical engineering framework for the development and deployment of a machine learning tool for cardiovascular risk prediction

    Cardiorisk-AI: Kardiyovasküler risk tahmini için makine öğrenmesi aracının geliştirilmesi ve uygulanmasına yönelik biyomedikal mühendislik çerçevesi

    ALI FAIQ JARI ALSAADAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    BiyomühendislikBahçeşehir Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BORA BÜYÜKSARAÇ

  4. Tez No

    990969

    AI-enabled atrial fibrillation detection, classification and prediction based on ECG data

    Elektrokardiyogram (EKG) verilerine dayalı yapay zeka destekli atrial fibrilasyonun tespiti, sınıflandırılması ve tahmini üzerine bir derleme

    KIMIA TAHVILDARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Yapay Zeka Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH KAHRAMAN

  5. Tez No

    983536

    An ai-based framework for modeling streamflows under the water-energy-food-ecosystem nexus approach: A comprehensive assessment of the watersheds of Türkiye

    Su-enerjı̇-gıda-ekosı̇stem bağı yaklaşımı kapsamında akarsu akışlarının modellenmesı̇ ı̇çı̇n yapay zeka tabanlı bı̇r çerçeve: Türkı̇ye dekı̇ su havzalarının kapsamlı bı̇r değerlendı̇rmesı̇

    ABDELRAHMAN YEHIA YOUNIS YOUNIS HABASH

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Çevre MühendisliğiOrta Doğu Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE ALP

    PROF. DR. MURAT GÖL

Geri Dön