Heyelan duyarlılık haritalarının üretilmesi: Muş ili Varto ilçesi örneği
Generation of landslide susceptibility maps: The case of Varto district of Muş province
- Tez No: 1016724
- Danışmanlar: PROF. DR. COŞKUN ÖZKAN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Heyelan Duyarlılık, Makine Öğrenmesi, Özellik Seçimi, MGGP, MHABCP, SHAP, Landslide Susceptibility, Machine Learning, Feature Selection, MGGP, MHABCP, SHAP
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Heyelanlar, çeşitli çevresel ve jeolojik faktörlerin etkisiyle meydana gelen, ülkemizde ve dünyada sıklıkla görülen doğal afetler arasında yer almaktadır. Bu çalışma kapsamında, Muş ili Varto ilçesinin topoğrafik ve çevresel özellikleri dikkate alınarak 18 faktörden oluşan bir veri seti oluşturulmuştur. Modelleme sürecinde, Lojistik Regresyon (LR), Destek Vektör Makineleri (SVM), Rastgele Orman (RF), K-En Yakın Komşuluk (KNN), Karar Ağacı (DT), Yapay Sinir Ağları (ANN), XGBoost, Çok Genli Genetik Programlama (MGGP) ve Çok Kovanlı Yapay Arı Koloni Programlama (MHABCP) yöntemleri kullanılmıştır. Model başarısını artırmak amacıyla özellik seçimi ve hiperparametre optimizasyonu uygulanarak modeller için optimum veri setleri elde edilmiştir. Makine öğrenmesi modelleri arasında en başarılı yöntem XGBoost olmuş; %90,20 doğruluk değeri ve tarihsel heyelanların yüksek/çok yüksek duyarlılık sınıflarında %84,30 temsil oranı elde edilmiştir. Otomatik programlama yöntemlerinden MHABCP, aykırı değer analizi sonrası %90,30 doğruluk ve tarihsel heyelanlarla %83,61 temsil oranı ile en başarılı sonuçları elde etmiştir. MGGP'nin genel doğruluğu ise %89,49 olup, tarihsel heyelanların yüksek/çok yüksek duyarlılık sınıflarında %82,35 temsil oranına ulaşmıştır. Yapılan karşılaştırmalar, MHABCP yönteminin, genel doğruluk ve tarihsel heyelanların temsil oranları açısından MGGP'den daha yüksek performans gösterdiğini ortaya koymuştur. SHAP analizi ile heyelan oluşumunda etkili faktörlerin model çıktısına katkısı değerlendirilmiş ve Varto ilçesi için yüksek doğrulukta, afet risk azaltma çalışmalarında kullanılabilir heyelan duyarlılık haritaları üretilmiştir.
Özet (Çeviri)
Landslides are among the natural disasters frequently observed both in Turkey and worldwide, resulting from various environmental and geological factors. In this study, a dataset consisting of 18 factors was created, considering the topographical and environmental characteristics of the Varto district in Muş province. In the modeling phase, Logistic Regression (LR), Support Vector Machines (SVM), Random Forest (RF), K-Nearest Neighbors (KNN), Decision Tree (DT), Artificial Neural Networks (ANN), XGBoost, Multi-Gene Genetic Programming (MGGP), and Multi-Hive Artificial Bee Colony Programming (MHABCP) methods were applied. To enhance model performance, feature selection and hyperparameter optimization were carried out, resulting in optimal datasets for each model. Among the machine learning models, XGBoost emerged as the most successful method, achieving 90.20% accuracy and an 84.30% proportion of historical landslides in the high/very high susceptibility classes. Among the automatic programming methods, MHABCP achieved the best results after outlier analysis, with 90.30% accuracy and an 83.61% proportion for historical landslides. MGGP achieved a general accuracy of 89.49%, with an 82.35% proportion for historical landslides in the high/very high susceptibility classes. Comparisons revealed that MHABCP outperformed MGGP in terms of both overall accuracy and the representation rates of historical landslides. The contribution of factors affecting landslide occurrence to the model output was evaluated through SHAP analysis, and highly accurate landslide susceptibility maps were produced for the Varto district, which can be used in disaster risk reduction efforts.
Benzer Tezler
- Landslide susceptibility assessment of Turkey using qualitative and semi-quantitative methods
Kalitatif ve yarı-kantitatif yöntemlerle Türkiye'nin heyelan duyarlılık çalışması
KIVANÇ OKALP
Doktora
İngilizce
2013
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK AKGÜN
- Heyelan duyarlılık haritalarının üretilmesi ve insansız hava araçlarının heyelan duyarlılık çalışmalarında kullanımının değerlendirilmesi (Çankırı örneği)
Producing landslide susceptibility maps and evaluating the use of unmanned aerial vehicles in landslide susceptibility activities (Çankiri sample)
ABDULLAH ÖZÇELİK
Yüksek Lisans
Türkçe
2021
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER BUĞDAY
- Evrimsel algoritmalar kullanılarak heyelan duyarlılık haritalarının üretilmesi
Production of landslide susceptibility maps using evolutionary algorithms
TALHA TAŞKANAT
Doktora
Türkçe
2020
Mühendislik BilimleriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN BEŞDOK
- İstatistiksel yöntemler kullanılarak heyelan duyarlılık haritalarının üretilmesi ve konumsal hassasiyetlerinin incelenmesi
Production of landslide susceptibility maps by statistical methods and investigation of spatial susceptibility
ASLAN CİHAT BAŞARA
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. YASEMİN ŞİŞMAN
- Makine öğrenme teknikleri ile heyelan duyarlılık haritalarının üretilmesi: Hopa (Artvin) örneği
Production of landslide susceptibility maps by machine learning techniques: Hopa (Artvin) example
ÖZGE MUTLU
Yüksek Lisans
Türkçe
2023
Jeodezi ve FotogrametriArtvin Çoruh ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL AKINCI