Konvansiyonel demiryolu hatlarında kurp sayısının enerji verimliliği üzerindeki etkisinin makine öğrenmesi tabanlı optimizasyonu: Karakuyu–Keçiborlu hattı örneği
Machine learning-based optimization of the effect of curve number on energy efficiency in conventional railway lines: The Karakuyu–Keçiborlu line example
- Tez No: 1024261
- Danışmanlar: DOÇ. DR. MEHMET ALTINKAYNAK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Konvansiyonel demiryolu hatlarında kurp geometrisinin enerji tüketimi, bakım maliyetleri ve seyahat süresi üzerindeki etkileri, makine öğrenmesi ve çok amaçlı optimizasyon yöntemlerinin bütünleşik kullanımıyla incelenmiştir. Uygulama alanı olarak Karakuyu–Keçiborlu hattı seçilmiş; sahadan elde edilen doğrudan verilerin sınırlı olması nedeniyle performans göstergeleri, demiryolu mühendisliği prensipleri ve ampirik yaklaşımlar temel alınarak oluşturulmuştur. Modelleme aşamasında Random Forest, Gradient Boosting ve Çok Katmanlı Algılayıcı algoritmaları kullanılmış; modeller RMSE, MAE ve R² ölçütleriyle karşılaştırılmıştır. İki farklı veri yapısı ele alınmıştır: birinci yaklaşımda kurp geometrisine ek olarak tren hızı ve ağırlığı gibi operasyonel parametreler modele dahil edilirken, ikinci yaklaşımda yalnızca kurp geometrisi değişkenleri kullanılmıştır. Random Forest algoritması birinci yaklaşımda R² = 0.9892, RMSE = 0.0481 ve MAE = 0.0303 değerlerine ulaşarak enerji tüketimindeki değişkenliğin %98.92'sini açıklamıştır. Kurp geometrisinin bağımsız etkisinin ortaya konulması açısından ise ikinci yaklaşım kritik bir analiz çerçevesi sunmuştur. Optimizasyon aşamasında NSGA-II algoritmasıyla Pareto-optimal çözüm kümeleri elde edilmiştir. En dengeli optimum çözüm, mevcut geometriye kıyasla enerji tüketiminde %46, bakım maliyetlerinde %69 iyileşme sağlayabileceğini ortaya koymuştur. DBSCAN tabanlı kümeleme analizi ise mevcut 30 kurbun 11 temsilci grup altında incelenebileceğini göstermiştir. Bulgular, kurp sayısı ve yoğunluğunun enerji verimliliği ile bakım ekonomisi üzerinde belirleyici etkiye sahip olduğunu kanıtlamaktadır. Çalışma, makine öğrenmesi tabanlı tahminlemeyi çok amaçlı optimizasyonla bütünleştirerek demiryolu güzergâh tasarımı ve hat rehabilitasyonu süreçlerine uygulanabilir bir karar destek metodolojisi önermektedir.
Özet (Çeviri)
The effects of curve geometry on energy consumption, maintenance costs, and travel time in conventional railway lines were investigated through the integrated use of machine learning and multi-objective optimization methods. The Karakuyu–Keçiborlu railway line was selected as the study area; due to limited direct field measurements, performance indicators were derived based on established railway engineering principles and empirical relationships widely used in the literature. In the modeling phase, Random Forest, Gradient Boosting, and Multilayer Perceptron algorithms were employed and compared using RMSE, MAE, and R² metrics. Two distinct data structures were examined: the first approach incorporated operational parameters such as train speed and weight alongside curve geometry variables, while the second relied solely on curve geometry. The Random Forest algorithm achieved R² = 0.9892, RMSE = 0.0481, and MAE = 0.0303 under the first approach, explaining 98.92% of the variance in energy consumption. The second approach provided a critical analytical framework for isolating the independent effect of curve geometry. In the optimization phase, Pareto-optimal solution sets were obtained using the NSGA-II algorithm. The most balanced optimal solution indicated potential improvements of 46% in energy consumption and 69% in maintenance costs compared to the existing geometry. A DBSCAN-based clustering analysis further revealed that the existing 30 curves could be represented by 11 characteristic curve groups. The findings demonstrate that the number and density of curves have a decisive influence on energy efficiency and maintenance economy. By integrating machine learning-based prediction with multi-objective optimization, the study proposes a data-driven and applicable decision support methodology for railway alignment design and rehabilitation processes.
Benzer Tezler
- Yüksek hızlı demiryollarında geoteknik çalışmalar ve yaklaşım dolgu modelleri
Geotechnical studies in high speed railways and approach fill models
KENAN OĞUL
Yüksek Lisans
Türkçe
2017
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. UTKAN MUTMAN
- Yüksek hızlı izli ulaşım sistemlerinin çok ölçütlü değerlendirilmesi
Multi-criteria evaluation of high speed tracked transport systems
DAMLA ALTINCI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜBEYDE ÖZTÜRK
- Demiryolu hatlarında elektrifikasyon sistem tasarımı ve uygulaması
Design and application of electrification systems in railway lines
ÖMÜR DOĞRUER
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞULE KUŞDOĞAN
- R260 ve R350HT kalite demiryolu rayına titreşim destekli yüzey modifikasyonu uygulanarak yorulma davranışlarının incelenmesi
Investigation of fatigue behavior by application of vibration assistant surface modification on R260 and R350HT grade railway rail
ALİ HAYDAR ERGİN
Yüksek Lisans
Türkçe
2025
Metalurji MühendisliğiKarabük ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FAZIL HÜSEM
- Farklı yüzey işlemleri uygulanmış demiryolu gergi kıskacının özelliklerinin incelenmesi
Investigation of the properties of a railway tension clamp subjected to different surface treatments
MUSTAFA DURSUNLAR
Doktora
Türkçe
2026
Makine MühendisliğiYozgat Bozok ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ZAKİR TAŞ