İstanbul için aktüeryal iklim endeksi uygulaması ve ekstrem olayların makine öğrenimi yöntemleriyle sınıflandırılması
Application of actuarial climate index for Istanbul and classification of extreme events using machine learning methods
- Tez No: 1017519
- Danışmanlar: PROF. DR. SERPİL KILIÇ DEPREN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada iklim değişikliğinin etkilerini nicel olarak ölçmek amacıyla İstanbul ili özelinde Aktüeryal İklim Endeksi (ACI) oluşturulması hedeflenmiştir. ACI bileşenleri olarak yüksek sıcaklık(T90), düşük sıcaklık (T10), yağış (P), kuraklık (D) ve rüzgar hızı (W) bileşenleri olmak üzere beş ana bileşen üzerinden analizler gerçekleştirilmiştir. Çalışmada NASA POWER veri kaynaklarından elde edilen 1981- 2025 yılları arasındaki meteorolojik veriler kullanılmıştır. İklim değişikliğini ve aşırı değerleri standart bir ölçekte karşılaştırabilmek amacıyla 1981-2010 yılları referans periyodu olarak belirlenmiştir. Her bir bileşen için değişkenlerin standartlaştırılmış anomalileri hesaplanmış, ekstrem değerlerin belirlenmesinde eşik temelli analizler gerçekleştirilmiştir. Referans döneme göre her bileşenin z-skor değerleri hesaplanmış ve bu değerler kullanılarak Aktüeryal İklim Endeksi oluşturulmuştur. Elde edilen veriler makine öğrenimi yöntemleri kullanılarak ekstrem iklim olaylarının tahmin edilmesi amacıyla sınıflandırma problemi çerçevesinde analiz edilmiştir. Bu kapsamda Random Forest (RF), XGBoost, Destek Vektör Makineleri (SVM) ve LightGBM modelleri uygulanmış ve modellerin performansları doğruluk (accuracy), F1 skoru ve ROC-AUC metrikleri kullanılarak değerlendirilmiştir. Analiz sonuçları kullanılan tüm bileşenler genelinde SVM modelinin diğer modellere kıyasla daha dengeli ve başarılı bir performans sergilediğini göstermektedir. Diğer modeller de yüksek doğruluk göstermesine rağmen sınıf dengesizliğinin belirgin olduğu durumlarda performanslarının sınırlı kaldığı gözlenmiştir. Bu çalışma, İstanbul ili özelinde iklim risklerinin istatistiksel bakış açısıyla değerlendirilmesine katkı sağlamayı amaçlamaktadır. Böylece, elde edilen sonuçların gelecek çalışmalar için yol gösterici nitelikte olduğu düşünülmektedir. Ayrıca ACI'nın İstanbul ili için oluşturulması ve bileşenlerin makine öğrenimi yöntemleriyle analiz edilmesi çalışmanın literatürde özgün bir uygulama alanı olduğunu göstermektedir.
Özet (Çeviri)
In this study, the purpose is to construct an Actuarial Climate Index (ACI) for the province of Istanbul in order to quantitatively assess the impacts of climate change. The analysis is done based on five main ACI components: high temperature (T90), low temperature (T10), precipitation (P), drought (D) and wind speed (W). Meteorological data obtained from the NASA POWER data source covering the period from 1981 to 2025 are used in the study. The reference period is defined as 1981-2010 to enable a standardized comparison of climate change and extreme events. For each component, standardized anomalies of the variables are calculated and threshold-based analysis are performed to identify extreme values. Z-score values for each component are calculated relative to the reference period and these values are used to construct the Actuarial Climate Index. The resulting dataset is analyzed within a classification framework using machine learning methods to predict extreme climate events. In this context; Random Forest (RF), XGBoost, Support Vector Machines (SVM) and LightGBM models are performed and their performances are evaluated using accuracy, F1 score and ROC-AUC metrics. The results indicate that across all components the SVM model proves a more balanced and robust performance compared to the other models. Although other models achieve relatively high accuracy levels, their performance is observed to be limited in cases where class imbalance is occured. The study aims to contribute to the assessment of climate risks in Istanbul from a statistical perspective. Thus, the findings are considered to provide useful guidance for future research. Moreover, the construction of the ACI specifically for Istanbul and the analysis of its components using machine learning methods shows that the studys originality and its contribution to the existing literature.
Benzer Tezler
- Determination of spot wheat prices under climate impact using copula approach
Copula yaklaşımı ile iklim etkisi altında spot buğday fiyatlarının belirlenmesi
İLAYDA KAYAPINAR
Yüksek Lisans
İngilizce
2022
Aktüerya BilimleriOrta Doğu Teknik ÜniversitesiAktüerya Bilimleri Ana Bilim Dalı
PROF. DR. AYŞE SEVTAP KESTEL
DR. BÜKRE YILDIRIM KÜLEKCİ
- Diğer kapsamlı kâr ve zararlar tablosunun niteliği ve kullanımının BİST`te işlem gören şirketler üzerinde değerlendirilmesi
Assessment of nature and use of other comprehensive income statement on the companies which are traded at BIST
AKBAR ZAVARI REZAEI
- Aktüeryal dengenin sürdürülebilirliği: Türkiye deneyimi
Sustainability of actuarial balance: Experience of Turkey
YAŞAR YAŞARLAR
- Emeklilik döneminin finansmanı ve özel emeklilik fonu modelinin Türkiye'ye uygulanabilirliği
Financing retirement period and implicability of the private pension model to Turkey
ÇAĞATAY ERGENEKON
