Deprem zarar görebilirliği odaklı parametrelerin konut değerine etkilerinin yapay zekâ destekli modeller ile analizi: İstanbul ili Anadolu yakası örneği
Impact of earthquake vulnerability-oriented parameters on housing values using ai-based models: the case of the Anatolian side of İstanbul province
- Tez No: 1017609
- Danışmanlar: DOÇ. DR. HANDE ALADAĞ, DOÇ. DR. GÖKHAN DEMİRDÖĞEN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı İşletmesi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Konut değerleme çalışmaları geleneksel olarak taşınmazların fiziksel, yapısal ve konumsal özelliklerine dayalı olarak yürütülmekte; deprem gibi afet kaynaklı riskler ise çoğu zaman değerleme modellerinde sınırlı düzeyde temsil edilmektedir. Oysa deprem riski yüksek bölgelerde, konutların zarar görebilirliğini yansıtan göstergelerin değerleme sürecine dâhil edilmesi, hem piyasa davranışlarının daha gerçekçi biçimde analiz edilmesi hem de risk odaklı karar destek mekanizmalarının geliştirilmesi açısından önem taşımaktadır. Bu tez çalışmasının amacı, deprem zarar görebilirlik kriterlerinin veri temelli konut değerleme modellerine entegrasyonunu incelemek ve bu kriterlerin konut fiyat tahmin performansına katkısını nicel olarak ortaya koymaktır. Bu kapsamda, İstanbul Anadolu Yakası'nda yer alan 12 ilçeyi kapsayan yaklaşık 10.000 satılık konut ilanından oluşan bir veri seti oluşturulmuştur. İlanlardan elde edilen fiziksel, yapısal ve konumsal değişkenler, açık veri kaynakları ve mekânsal analizler yardımıyla üretilen sekiz adet deprem zarar görebilirlik kriteri ile birleştirilmiştir. Modelleme sürecinde Ridge regresyon, Random Forest, CatBoost, XGBoost ve LightGBM algoritmaları kullanılarak karşılaştırmalı analizler gerçekleştirilmiştir. Deprem kriterlerinin yer almadığı temel model ile bu kriterlerin eklendiği genişletilmiş model karşılaştırılmış; model performansları eğitim–test ayrımı ve 5 katlı çapraz doğrulama yaklaşımıyla değerlendirilmiştir. Nihai modelleme aşamasında CatBoost için hiperparametre araştırması yapılarak en uygun model yapısı belirlenmiştir. Bulgular, doğrusal olmayan ve ağaç tabanlı algoritmaların daha güçlü sonuçlar ürettiğini, en başarılı modelin ise CatBoost olduğunu göstermiştir. Nihai CatBoost sonuçlarına göre, deprem zarar görebilirlik kriterlerinin dâhil edildiği genişletilmiş model, temel modele kıyasla tüm temel performans ölçütlerinde daha başarılıdır. 5 katlı çapraz doğrulama sonuçlarında temel modelde ortalama R²(log) değeri 0,8727 iken, genişletilmiş modelde bu değer 0,9084'e yükselmiştir. Benzer biçimde MAE 2.192.018'den 1.736.685'e, RMSE 3.630.215'ten 3.049.843'e ve MAPE %17,13'ten %13,85'e düşmüştür. Bu bulgular, deprem zarar görebilirlik kriterlerinin modele eklenmesinin tahmin performansına anlamlı katkı sağladığını göstermektedir. SHAP tabanlı açıklanabilirlik analizleri, deprem zarar görebilirlik göstergelerinin konut fiyatlarını tek başına belirleyen baskın değişkenler olmadığını; ancak model karar yapısına yönlü ve tamamlayıcı katkılar sunduğunu ortaya koymuştur. Sonuç olarak bu çalışma, deprem zarar görebilirlik göstergelerinin yapay zekâ destekli konut değerleme modellerine entegrasyonunun uygulanabilir, anlamlı ve performans artırıcı olduğunu göstermektedir. Çalışma, özellikle deprem riski yüksek kentlerde, konut değerleme süreçlerinin daha bütüncül ve risk duyarlı bir yapıda ele alınmasına katkı sunmaktadır.
Özet (Çeviri)
Housing valuation studies have traditionally relied on the physical, structural, and locational characteristics of properties, while disaster-related risks such as earthquakes have generally been represented only to a limited extent in valuation models. However, in earthquake-prone regions, the integration of indicators reflecting the vulnerability of housing units into the valuation process is important for both a more realistic interpretation of market behavior and the development of risk-oriented decision-support mechanisms. The aim of this thesis is to examine the integration of earthquake vulnerability criteria into data-driven housing valuation models and to quantitatively reveal their contribution to housing price prediction performance. For this purpose, a dataset consisting of approximately 10,000 residential sale listings from 12 districts on the Anatolian side of Istanbul was created. The physical, structural, and locational variables obtained from the listings were combined with eight earthquake vulnerability criteria generated through publicly available data sources and spatial analyses. In the modeling process, comparative analyses were conducted using Ridge regression, Random Forest, CatBoost, XGBoost, and LightGBM algorithms. A baseline model excluding earthquake-related criteria was compared with an extended model including these criteria, and model performances were evaluated through a train-test split and 5-fold cross-validation. In the final modeling stage, a hyperparameter search was conducted for CatBoost to determine the most suitable model structure. The findings showed that non-linear and tree-based algorithms produced stronger results, and that CatBoost was the best-performing model. According to the final CatBoost results, the extended model including earthquake vulnerability criteria outperformed the baseline model across all major performance metrics. In the 5-fold cross-validation results, the mean R²(log) value increased from 0.8727 in the baseline model to 0.9084 in the extended model. Similarly, MAE decreased from 2,192,018 to 1,736,685, RMSE from 3,630,215 to 3,049,843, and MAPE from 17.13% to 13.85%. These findings indicate that the inclusion of earthquake vulnerability criteria made a meaningful contribution to prediction performance. SHAP-based explainability analyses revealed that earthquake vulnerability indicators were not dominant determinants of housing prices on their own; however, they provided directional and complementary contributions to the model decision structure. As a result, this study demonstrates that the integration of earthquake vulnerability indicators into artificial intelligence-based housing valuation models is applicable, meaningful, and performance-enhancing. The study contributes to a more holistic and risk-sensitive approach to housing valuation, particularly in earthquake-prone urban areas.
Benzer Tezler
- Acil yardım ve tedavi hastanelerinin idari mali ve teknik yönden planlaması
Başlık çevirisi yok
SERVET OKUYUCU
Yüksek Lisans
Türkçe
1985
Gazi ÜniversitesiKazalarda Acil Yardım ve Rehabilitasyon Ana Bilim Dalı
Yükleniyor...
- Deprem etkisindeki yapılarda dinamik yöntemlerle üç boyutta form araştırması
Başlık çevirisi yok
MEHMET EMİN TUNA
- Perde-çerçeve sistemlerinin statik ve deprem hesabı için bir paket program
Başlık çevirisi yok
GÜLGÜN BAHADIR
- Bitlis-Zağros bindirme ve kıvrımlı kuşağının sismotektonik özellikleri
Başlık çevirisi yok
HALUK EYİDOĞAN