Quantification of uncertainty due to spatio-temporal variability in atmospheric chemistry models

Atmosferik kimya modellerindeki mekân-zamansal değişkenlik kaynaklı belirsizliğin hesaplanması

Tez No: 1019064
Yazar: FULYA ÇİNGİROĞLU
Danışmanlar: PROF. DR. ALPER ÜNAL
Tez Türü: Doktora
Konular: Çevre Mühendisliği, Environmental Engineering
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2026
Dil: İngilizce
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: İklim ve Deniz Bilimleri Ana Bilim Dalı
Bilim Dalı: Yer Sistem Bilimi Bilim Dalı
Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışması, hava kalitesi modellemesinde kritik belirsizlik kaynakları arasında yer alan emisyonların mekânsal dağıtımı, zamansal dağıtımı ve emisyon büyüklüğüne ilişkin belirsizlikleri kapsamlı bir şekilde incelemekte ve bu belirsizliklerin kirletici konsantrasyonları ile nüfus maruziyeti üzerindeki etkilerini nicel olarak ortaya koymayı amaçlamaktadır. Hava kirliliği, günümüzde hem çevresel sürdürülebilirlik hem de halk sağlığı açısından küresel ölçekte en önemli sorunlardan biri olarak kabul edilmektedir. Özellikle gelişmekte olan ülkelerde hızlı nüfus artışı, kentleşme, sanayileşme ve artan enerji talebi, fosil yakıt kullanımını artırmakta ve buna bağlı olarak hava kirletici emisyonlarının yükselmesine neden olmaktadır. Bu bağlamda, kömürle çalışan termik santraller, özellikle yüksek kükürt içerikli linyit yakıt kullanan tesisler, SO2 ve PM2.5 emisyonlarının başlıca kaynakları arasında yer almakta ve hem yerel hem bölgesel ölçekte hava kalitesini önemli ölçüde etkilemektedir. Türkiye'de bu tür emisyonların en önemli kaynaklarından biri olan Afşin–Elbistan Termik Santrali (AP), bu çalışmanın odak noktası olarak seçilmiştir. Yaklaşık 2.800 MWe kurulu güce sahip olan bu tesis, yıllık yaklaşık 300.000 ton SO2 ve 6.000 ton PM2.5 emisyonu ile ülkenin en büyük tekil emisyon kaynağıdır. Bu değerler, kamu elektrik üretim sektöründen kaynaklanan toplam emisyonların yaklaşık %16,2'sine karşılık gelmektedir. Santralin bu ölçekte bir emisyon kaynağı olması, çevresinde yaşayan nüfus için ciddi bir maruziyet riski oluşturmakta ve bölgeyi hava kalitesi modelleme çalışmaları için kritik bir araştırma alanı haline getirmektedir. Ayrıca, santralin bulunduğu bölgenin topoğrafik yapısı ve meteorolojik özellikleri, kirleticilerin taşınımı ve dağılımı üzerinde önemli rol oynamakta ve modelleme çalışmalarının hassasiyetini artırmaktadır. Bu tez çalışması kapsamında üç temel araştırma sorusu ele alınmıştır. İlk araştırma sorusu (RQ1), emisyonların mekânsal dağıtımındaki belirsizliklerin model sonuçları üzerindeki etkisini incelemektedir. Bu kapsamda, aynı toplam emisyon miktarı korunarak emisyonların farklı ızgara hücrelerine dağıtılması durumunda kirletici konsantrasyonlarının ve maruziyetin nasıl değiştiği analiz edilmiştir. İkinci araştırma sorusu (RQ2) ise emisyonların zamansal dağıtımındaki belirsizliklere odaklanmakta ve standart sektör bazlı zamansal profiller ile gerçek üretim verilerine dayalı tesis-özel profiller arasındaki farkların model çıktıları üzerindeki etkisini değerlendirmektedir. Üçüncü araştırma sorusu (RQ3) kapsamında ise emisyon büyüklüğüne ilişkin belirsizliklerin etkisini incelemek amacıyla, en yüksek emisyonların gözlendiği Temmuz–Ağustos 2018 dönemi için ±%20 emisyon değişimi içeren emisyon pertürbasyon senaryoları geliştirilmiştir. Bu üç araştırma sorusu birlikte ele alınarak, emisyonların mekânsal dağıtımı, zamansal dağıtımı ve emisyon büyüklüğüne ilişkin belirsizliklerin hava kalitesi modellemesindeki rolü sistematik bir şekilde ortaya konmuştur. Tüm analizler, yaklaşık 100.000 kişilik nüfusu temsil eden Afşin ilçesi üzerinde yürütülmüştür. Çalışmada kullanılan modelleme yaklaşımı, US EPA Models-3 çerçevesine dayanmaktadır. Bu çerçeve, meteorolojik modelleme, emisyon işleme ve kimyasal taşınım süreçlerini entegre bir şekilde ele almaktadır. Meteorolojik veriler Weather Research and Forecasting (WRF) modeli kullanılarak üretilmiş ve başlangıç ile sınır koşulları için NCEP FNL veri setleri kullanılmıştır. WRF modelinden elde edilen çıktılar, Meteorology-Chemistry Interface Processor (MCIP) aracılığıyla CMAQ modeline uygun formata dönüştürülmüştür. Bu süreçte rüzgâr alanları, sıcaklık dağılımları, bağıl nem, basınç ve sınır tabakası yüksekliği gibi atmosferik süreçleri doğrudan etkileyen parametreler yüksek çözünürlükte elde edilmiştir. Modelleme sistemi üç iç içe geçmiş alan üzerinde çalıştırılmıştır. Avrupa ölçeğini temsil eden 36 km çözünürlüklü dış alan, Türkiye ölçeğini kapsayan 12 km çözünürlüklü orta alan ve Kahramanmaraş bölgesini yüksek detayda temsil eden 4 km çözünürlüklü iç alan kullanılmıştır. Bu yapı hem geniş ölçekli taşınım süreçlerinin hem de yerel kaynak etkilerinin birlikte analiz edilmesine olanak sağlamaktadır. Özellikle 4 km çözünürlüklü alan, santral kaynaklı emisyonların yakın çevredeki etkilerini detaylı bir şekilde incelemek için kritik öneme sahiptir. Emisyon verileri, Avrupa genelinde yaygın olarak kullanılan EMEP emisyon envanterinden elde edilmiştir. Bu envanter, yıllık toplam emisyon değerlerini ızgara bazında sunmaktadır. Ancak CMAQ modelinin gereksinimlerini karşılayabilmek için bu emisyonların detaylı bir şekilde işlenmesi gerekmektedir. Bu amaçla Emission Processing (EProc) modeli kullanılmıştır. EProc sürecinde emisyonlar model ızgarasına yeniden dağıtılmış, kimyasal mekanizmaya uygun şekilde 52 farklı türe ayrıştırılmış, 14 dikey katmana dağıtılmış ve saatlik zamansal çözünürlüğe dönüştürülmüştür. Bu işlemler sonucunda, modelin ihtiyaç duyduğu yüksek çözünürlüklü ve detaylı emisyon girdileri elde edilmiştir. Mekânsal dağıtım analizi kapsamında (RQ1), AP kaynaklı emisyonlar sistematik olarak farklı ızgara hücrelerine kaydırılmıştır (s1−s12). Bu işlem sırasında toplam emisyon miktarı sabit tutulmuş ve yalnızca emisyonların konumu değiştirilmiştir. Bu yaklaşım, emisyon envanterlerinde bulunan mekânsal belirsizlikleri ve ızgara çözünürlüğünden kaynaklanan hataları temsil etmektedir. Zamansal dağıtım analizi kapsamında (RQ2) ise iki farklı profil kullanılmıştır. Standart profil (t1), EDGAR veri tabanına dayalı sektör bazlı zamansal dağılımı temsil ederken, tesis-özel profil (t2), EPİAŞ'tan elde edilen AP'ye ait gerçek saatlik elektrik üretim verileri kullanılarak oluşturulmuştur. Bu sayede standart yaklaşımlar ile gerçek operasyonel davranış arasındaki farklar doğrudan karşılaştırılabilmiştir. Emisyon büyüklüğü analizi kapsamında (RQ3), ±%20 emisyon pertürbasyonu içeren t2− ve t2+ senaryoları oluşturulmuştur. Bu analiz, özellikle emisyonların en yüksek olduğu Temmuz–Ağustos 2018 dönemi için gerçekleştirilmiştir. Bu dönemin seçilmesinin nedeni, yaz aylarında elektrik üretiminin artması ve buna bağlı olarak emisyonların zirve seviyelere ulaşmasıdır. Tüm analizler, yaklaşık 100.000 kişilik nüfusu temsil eden Afşin ilçesi sınırlarında gerçekleştirilmiştir. Mekânsal dağıtım analiz sonuçları (RQ1), emisyonların yalnızca farklı ızgara hücrelerine atanmasının bile model sonuçları üzerinde son derece önemli etkiler yarattığını göstermektedir. Aynı toplam emisyon miktarı korunmasına rağmen, emisyonların konumundaki küçük değişiklikler özellikle santrale yakın bölgelerde kirletici konsantrasyonlarında büyük farklılıklara yol açmıştır. PM2.5 için bazı senaryolarda yıllık ortalama konsantrasyonların 2 ila 2,5 kat arttığı belirlenmiştir. SO2 için ise yıllık ortalama konsantrasyonların yaklaşık 100 μg/m3 seviyesinden 400–450 μg/m3 seviyelerine kadar yükseldiği gözlenmiştir. Günlük bazda yapılan analizler, SO2 konsantrasyonlarının yılın 293 gününde, yani %81'inde limit değerleri aştığını göstermektedir. Ayrıca bazı senaryolarda maksimum konsantrasyonların 2000 μg/m3 seviyesini aştığı belirlenmiştir. Bu sonuçlar, mekânsal dağıtım hatalarının yalnızca küçük teknik farklılıklar olmadığını, model sonuçlarını kökten değiştirebilecek kritik bir belirsizlik kaynağı olduğunu ortaya koymaktadır. Bununla birlikte mekânsal dağıtımın ortalama konsantrasyon değerlerinden ziyade kirleticilerin mekânsal dağılımını değiştirdiği belirlenmiştir. Bu durum, kirleticilerin hangi bölgelerde yoğunlaşacağını belirlediği için özellikle maruziyet değerlendirmeleri açısından kritik öneme sahiptir. Zamansal dağıtım analizleri (RQ2), standart EDGAR profilleri ile gerçek üretim verilerine dayalı profiller arasında önemli farklılıklar olduğunu göstermektedir. EDGAR profillerinin saatlik fraksiyon değerleri 0.000082 ile 0.00016 arasında değişirken, gerçek profilin 0.0 ile 0.00021 arasında değiştiği belirlenmiştir. Bu durum, gerçek üretim sisteminin çok daha değişken ve dinamik olduğunu göstermektedir. Bu farklılıklar özellikle yaz aylarında belirgin hale gelmekte ve elektrik üretiminin arttığı dönemlerde daha kritik bir rol oynamaktadır. Model sonuçları, bu zamansal farklılıkların konsantrasyon tahminlerine doğrudan yansıdığını göstermektedir. Örneğin Şubat ayında PM2.5 konsantrasyonları standart profil kullanıldığında 18.1 μg/m3 olarak hesaplanırken, gerçek profil kullanıldığında bu değerin 14.2 μg/m3 olduğu belirlenmiştir. Bu yaklaşık %27 oranında bir fazla tahmine karşılık gelmektedir. Buna karşın yaz aylarında standart profilin emisyon piklerini yakalayamadığı ve dolayısıyla konsantrasyonları düşük tahmin ettiği görülmüştür. Bu sonuçlar, standart zamansal profillerin sistematik hatalar içerdiğini açıkça göstermektedir. Zamansal dağıtım hatalarının nüfus maruziyeti üzerindeki etkileri de önemli düzeydedir. Analizler, maruziyetin yalnızca ortalama değerinin değil, mevsimsel dağılımının da değiştiğini göstermektedir. Özellikle yaz aylarında gerçek profil kullanıldığında maruziyet seviyeleri belirgin şekilde artmaktadır. Bu durum, emisyonların doğru zamanlamayla modellenmemesi halinde maruziyetin yanlış değerlendirilmesine yol açabileceğini göstermektedir. Emisyon büyüklüğü analizi (RQ3) sonuçları, modelin emisyon değişimlerine verdiği tepkinin kirletici türüne bağlı olarak farklılık gösterdiğini ortaya koymaktadır. PM2.5 için maksimum konsantrasyonlar t2−, t2 ve t2+ senaryolarında sırasıyla 41.2, 50.0 ve 57.8 μg/m3 olarak hesaplanmış ve senaryolar arası farkların yaklaşık 8–9 μg/m3 olduğu belirlenmiştir. Medyan değerlerin ise yaklaşık 11 μg/m3'ten 12 μg/m3'e ve 13 μg/m3'e yükseldiği görülmüştür. Bu sonuçlar PM2.5'in emisyon değişimlerine daha sınırlı ve yaklaşık doğrusal bir tepki verdiğini göstermektedir. Buna karşın SO2 için çok daha güçlü bir tepki gözlenmiştir. Maksimum konsantrasyonlar t2−, t2 ve t2+ senaryolarında sırasıyla 637, 796 ve 955 μg/m3 olarak hesaplanmış ve maksimum farkların yaklaşık 160 μg/m3 seviyesine ulaştığı belirlenmiştir. Medyan değerlerin ise yaklaşık 60 μg/m3'ten 80 μg/m3'e ve 95 μg/m3'e yükseldiği görülmüştür. Bu yaklaşık %20–25 oranında bir değişime karşılık gelmektedir. Bu güçlü tepki, SO2'nin birincil kirletici olması ve doğrudan emisyon değişimlerine bağlı olması ile açıklanmaktadır. Maruziyet analizleri de benzer bir eğilim göstermektedir. SO2 için medyan maruziyet değerleri t2−, t2 ve t2+ senaryolarında sırasıyla yaklaşık 35 mg'dan 45 mg'a ve 55 mg'a yükselmiş ve bu artışın yaklaşık 8–15 mg aralığında olduğu belirlenmiştir. Bu değişimlerin yalnızca lokal değil, tüm nüfusu etkileyen sistematik bir etki olduğu görülmüştür. Bu durum, emisyon artışlarının yalnızca çevresel kaliteyi değil, aynı zamanda doğrudan halk sağlığını da etkilediğini göstermektedir. Sonuç olarak bu tez çalışması, emisyon dağıtımının hava kalitesi modellemesinde belirleyici bir rol oynadığını açıkça ortaya koymaktadır. Mekânsal dağıtım kirlenmenin nerede, zamansal dağıtım ne zaman ve emisyon büyüklüğü ne kadar kirlenme olacağını belirlemektedir. Bu üç bileşen birlikte hava kalitesi modellemesinde belirsizliklerin nasıl oluştuğunu ve model sonuçlarına nasıl yansıdığını tanımlamaktadır. Elde edilen bulgular, standart emisyon profillerinin özellikle büyük noktasal kaynaklar için gerçek sistem davranışını yeterince temsil edemediğini göstermektedir. Bu nedenle tesis-özel ve yüksek çözünürlüklü emisyon verilerinin kullanılması karar verme sistemlerinin geliştirilmesi açısından kritik öneme sahiptir. Ayrıca belirsizliğin tamamen ortadan kaldırılamayacağı, ancak nicel olarak değerlendirilmesi gerektiği ve bu sayede model sonuçlarının daha doğru yorumlanabileceği sonucuna ulaşılmıştır. Bu çalışma, hava kalitesi modellemesinde deterministik yaklaşımların ötesine geçilmesi ve belirsizliklerin açıkça dikkate alındığı yeni yaklaşımların benimsenmesi gerektiğini ortaya koymaktadır. Bununla birlikte çalışma, enerji üretimi, iklim değişikliği, hava kalitesi ve halk sağlığı arasındaki güçlü etkileşimleri ortaya koyarak sürdürülebilir çevre yönetimi açısından da önemli sonuçlar sunmaktadır. Özellikle iklim değişikliğine bağlı olarak artan soğutma talebi ve elektrik üretimindeki zamansal değişimlerin, gelecekte emisyonların mevsimsel dağılımını ve buna bağlı maruziyet düzeylerini daha da kritik hale getirebileceği değerlendirilmektedir. Bu nedenle sürdürülebilir enerji ve çevre politikalarının geliştirilmesinde, emisyonların yalnızca toplam büyüklüğünün değil, mekânsal ve zamansal davranışlarının da yüksek çözünürlükte temsil edilmesi büyük önem taşımaktadır. Bu bağlamda çalışma, hava kalitesi, enerji sistemleri ve iklim süreçlerini birlikte değerlendiren bütünleşik yaklaşımların gerekliliğini ortaya koymaktadır.

Özet (Çeviri)

This thesis investigates uncertainties arising from the spatial and temporal allocation of emissions, which constitute a critical source of uncertainty in air quality modeling, and quantitatively evaluates their impacts on pollutant concentrations, population exposure, and the development of sustainable air quality management strategies. Air pollution is one of the most significant environmental and public health challenges globally, particularly in developing countries where increasing energy demand, industrialization, and urbanization intensify emission levels. In this context, coal-fired power plants, especially those using high-sulfur lignite, represent major sources of sulfur dioxide (SO2) and particulate matter (PM2.5). The Afşin–Elbistan Thermal Power Plant, one of the most significant emission sources in Türkiye, was selected as the focal point of this study. With an installed capacity of approximately 2,800 MWe, this facility emits nearly 300,000 tons of SO2 and 6,000 tons of PM2.5 annually, contributing approximately 16.2% of the country's public power sector emissions. Due to its magnitude and the high exposure risk for nearby populations, the region provides an ideal test case for air quality modeling studies. This thesis addresses three primary research questions. The first research question (RQ1) examines how uncertainties in the spatial allocation of emissions affect pollutant concentrations and population exposure. The second research question (RQ2) evaluates the impact of uncertainties in temporal emission allocation, particularly the differences between standard sector-based profiles and facility-specific profiles derived from real operational data. The third research question (RQ3) investigates how variations in emission magnitude influence modeled pollutant concentrations and exposure levels through an emission perturbation analysis. These three components are jointly analyzed to provide a comprehensive understanding of uncertainty propagation in air quality modeling. The modeling framework is based on the US EPA Models-3 system, integrating meteorological, emission processing, and chemical transport components. Meteorological data were generated using the Weather Research and Forecasting (WRF) model driven by NCEP FNL datasets. The WRF outputs were processed through the Meteorology-Chemistry Interface Processor (MCIP) to produce CMAQ-compatible inputs, including key meteorological variables such as wind speed, temperature, humidity, pressure, and planetary boundary layer height. The modeling system operates across three nested domains with horizontal resolutions of 36 km (Europe), 12 km (Türkiye), and 4 km (Kahramanmaraş region), allowing for both regional and local-scale analysis. Emission data were obtained from the EMEP inventory and processed using the Emission Processing (EProc) model. During this process, emissions were re-gridded to the model domain, chemically speciated into 52 species, vertically distributed into 14 layers, and temporally allocated to hourly resolution. These steps ensured that emissions met the requirements of the CMAQ model. In the spatial allocation analysis (RQ1), emissions from the AP were systematically redistributed across neighboring grid cells while maintaining a constant total emission magnitude. This approach represents uncertainties arising from emission inventory resolution and spatial misallocation. For temporal allocation (RQ2), two scenarios were developed: the standard EDGAR-based profile (t1) and a facility-specific profile (t2) derived from real hourly electricity generation data. In the emission magnitude analysis (RQ3), additional scenarios were developed by applying ±20% emission perturbations (t2− and t2+) during the peak emission period of July−August 2018. All analyses were conducted over 86 grid cells representing approximately 100,000 inhabitants. The results of the spatial allocation analysis (RQ1) demonstrate that even minor shifts in emission location can significantly alter model outputs (s1 through s12). Despite identical total emissions, spatial redistribution led to substantial differences in pollutant concentrations, particularly in areas close to the emission source. For PM2.5, annual mean concentrations increased by up to 2 to 2.5 times in some scenarios. For SO2, annual mean concentrations increased from approximately 100 μg/m3 to as high as 400–450 μg/m3. On a daily basis, SO2 concentrations exceeded regulatory limits on 293 days per year, corresponding to 81% of the year, and maximum values exceeded 2000 μg/m3 in certain scenarios. These findings clearly indicate that spatial allocation errors are not merely technical details but represent a critical source of uncertainty capable of fundamentally altering model outcomes. Furthermore, spatial allocation primarily affects the distribution of pollutants rather than their overall magnitude, directly influencing where pollution occurs. The temporal allocation analysis (RQ2) reveals substantial discrepancies between standard EDGAR profiles and facility-specific profiles derived from real data (EXIST). The EDGAR hourly fractions range between 0.000082 and 0.00016, whereas the real-world profile ranges between 0.0 and 0.00021, indicating significantly higher variability in actual operations. These differences are particularly evident during summer months, when electricity generation and emissions peak. The use of standard profiles leads to systematic biases, including overestimation of emissions during low-demand periods (e.g., winter) and underestimation during peak demand periods (e.g., summer). These differences translate directly into model outputs. For instance, during winter months, particularly in February, PM2.5 concentrations were estimated as 18.1 μg/m3 under the standard profile, compared to 14.2 μg/m3 under the real profile, corresponding to an overestimation of approximately 27%. Conversely, during summer months, the standard profile underestimates concentrations by failing to capture peak emission periods. These results demonstrate that standard temporal profiles systematically overestimate emissions in winter and underestimate them in summer. Temporal allocation errors also significantly affect population exposure. In the Afşin district, analyses were conducted approximately 100,000 inhabitants. Results indicate that the temporal allocation of emissions significantly alters both the magnitude and seasonal distribution of exposure. Analyses across the Afşin district indicate that exposure levels increase substantially during summer months when using the facility-specific profile. This finding implies that incorrect temporal allocation leads to misrepresentation of both the magnitude and timing of exposure, potentially affecting public health assessments. The emission magnitude analysis (RQ3) further highlights pollutant-dependent sensitivity to variations in emission magnitude. The emission perturbation analysis (EP) was conducted for July−August 2018, representing peak emission conditions. Two additional scenarios were defined by decreasing (t2−) and increasing (t2+) emissions by 20% relative to the baseline case (t2), while keeping meteorology and temporal allocation constant. For PM2.5, maximum concentrations across scenarios were 41.2 μg/m3 (t2−), 50.0 μg/m3 (t2), and 57.8 μg/m3 (t2+), with differences of approximately 8–9 μg/m3. Median concentrations increased from approximately 11 μg/m3 to 12 μg/m3 and 13 μg/m3, indicating a moderate and nearly linear response to emission changes. In contrast, SO2 exhibited a much stronger response. Maximum concentrations increased from 637.2 μg/m3 (t2−) to 795.9 μg/m3 (t2) and 954.6 μg/m3 (t2+), with maximum differences reaching approximately 160 μg/m3. Median concentrations increased from approximately 60 μg/m3 to 80 μg/m3 and 95 μg/m3, corresponding to relative changes of approximately 20–25%. This strong response reflects the primary nature of SO₂ emissions, which respond directly to emission changes, whereas PM2.5 is influenced by both primary emissions and secondary formation processes. Exposure results follow a similar trend. For SO2, median exposure values increased from approximately 35 mg to 45 mg and 55 mg across scenarios, with absolute differences ranging between 8 and 15 mg. These changes were not localized but affected the entire population, indicating a systematic impact of emission variations on public exposure. These findings highlight that emission increases not only degrade environmental quality but also have direct implications for public health. Overall, this thesis demonstrates that emission allocation, specifically where, when, and how much emissions are released, plays a fundamental role in air quality modeling. Spatial allocation determines where pollution occurs, temporal allocation determines when it occurs, and emission magnitude determines its intensity. Together, these three components define the uncertainty framework of air quality modeling and directly influence the development of effective and sustainable air quality management strategies. The results indicate that standard emission profiles are insufficient to represent real-world conditions accurately, particularly for large point sources. The use of facility-specific, high-resolution emission data is essential to improve model accuracy and to support more sustainable environmental planning and policy development. Moreover, uncertainty cannot be entirely eliminated but must be quantified and explicitly considered in model interpretation. This study highlights the need to move beyond deterministic modeling approaches toward uncertainty-aware frameworks in air quality modeling and decision-making, thereby contributing to more sustainable and health-protective environmental management practices.

Benzer Tezler

Tez No
619145
Quantification of the impact of uncertainty in emissions on air quality model estimates
Emisyonlardaki belirsizliğin hava kalitesi model sonuçlarına etkisinin hesaplanması
ÜMMÜGÜLSÜM ALYÜZ ÖZDEMİR
Doktora
İngilizce
2020
Çevre Mühendisliği İstanbul Teknik Üniversitesi
İklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
Tez No
652686
Social media data valuation model for disaster incidence mapping
Sosyal medya verilerinin afet olaylarının haritalanması için değerlendirme modeli
AYŞE GİZ GÜLNERMAN GENGEÇ
Doktora
İngilizce
2020
Şehircilik ve Bölge Planlama İstanbul Teknik Üniversitesi
Geomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
Tez No
698193
Derin öğrenme ve dalgacık dönüşümüne dayalı akciğer kanseri erken tanısında belirsizlik ölçeğinin saptanması
Uncertainty of the quantification in diagnosing lung cancer from ct images using deep learning and discrete wavelet transform
MEHMET AKİF ÇİFÇİ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Aydın Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
Tez No
999395
A unified deep learning framework for scalable learning and uncertainty quantification in interval Type-2 fuzzy logic systems
Aralık Tip-2 bulanık mantık sistemlerinde ölçeklenebilir öğrenme ve belirsizlik nicelendirmesi için derin öğrenme tabanlı birleştirilmiş bir çerçeve
ATA KÖKLÜ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
Tez No
1012319
Interval neural networks for uncertainty quantification in system identification
Sistem tanımlamada belirsizlik nicelemesi için aralıklı yapay sinir ağları
MEHMET ALİ FERAH
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR

Geri Dön