Geri Dön

Makine öğrenmesi teknikleri ile mekansal karar destek sistemlerinin geliştirilmesi: Aksaray ili örneği

Development of spatial decision support systems with machine learning techniques: Case of Aksaray province

PDF İndir

  1. Tez No: 526527
  2. Yazar: SÜLEYMAN SEFA BİLGİLİOĞLU
  3. Danışmanlar: PROF. DR. HACI MURAT YILMAZ
  4. Tez Türü: Doktora
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Aksaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Hayatın her alanında makro ve mikro ölçekte sayısız kararlar alınmaktadır. Kararlara etki eden kriterlerin sayısı arttıkça, kriterlerin sıralanması ve ağırlık değerlerinin hesaplanması daha karmaşık hale gelmektedir. Özellikle mekanla ilişkili karar analizlerinde, gerek veri yoğunluğu, gerekse kriterlerin fazlalığı problemi daha kompleks hale getirmektedir. Bu problemin çözümüne yönelik, Coğrafi Bilgi Sistemleri (CBS) ve Karar Destek Sistemleri (KDS) temellerine dayalı Mekansal Karar Destek Sistemleri (MKDS) yöntemleri geliştirilmiştir. MKDS kamu, özel ve akademik çevreler tarafından son yıllarda taşınmaz değerleme, heyelan duyarlılık, uygun yer seçimi gibi pek çok uygulamada kullanılmaktadır. Bu uygulamalarda genelde uzman görüşü gerektiren yöntemler kabul görmekte ve tercih edilmektedir. Uzmana dayalı bu yöntemlerde, uzmanların farklı bakış açıları ve sübjektif değerlendirme gibi etkenler uygulamaların yaygınlaşmasını ve otomatikleştirmesini zorlaştırmaktadır. Bununla birlikte, veri yapısında meydana gelecek değişikliklerde (kriter ekleme/eksiltme) mekânsal analizlerinin yenilenmesi gerektiğinden, dinamik modeller de oluşturulamamaktadır. CBS kullanarak kararların hızlı, etkin ve objektif alınabilmesi ve bunların otomatikleştirilebilmesi için karar analizlerinde insan etkisini en aza indirecek dinamik yöntemlerin geliştirilmesi gerekmektedir. Bu kapsamda, bir çok farklı uygulamada kullanımı giderek artan yapay zeka tekniklerinin Coğrafi Bilgi Sistemlerine dayalı KDS'ye entegre edilmesine ihtiyaç vardır. Yapay zeka tekniklerindeki son yıllarda ki gelişmeler ile birlikte Makine Öğrenmesi (MÖ) olarak adlandırılan ve kendi kendine öğrenebilen sistemler geliştirilmiştir. Bu çalışmada, envanter bilgilerine dayalı MKDS'lere yapay zeka tekniklerinden makine öğrenmesi tekniğinin entegre edilmesi ve bu sistemlerinin otomatikleştirilmesi amaçlanmıştır. Bu amaçla makine öğrenmesinde öne çıkan denetimli öğrenme algoritmalarından Yapay Sinir Ağları, Destek Vektör Makineleri, CHAID ve Karar Ağacı algoritmalarından ID3, C4.5, CART ve Rastgele Orman algoritmaları Aksaray ili taşınmaz değer haritasının üretiminde kullanılmış ve performansları değerlendirilmiştir. Ayrıca istatistiksel bir yöntem olan ve literatürde sıklıkla kullanılan Çoklu Regresyon Analizi ile elde edilen sonuçlar karşılaştırılmıştır. Tüm bu yöntemleri kapsayan ve kullanıcıların sonuçları karşılaştırabileceği bir yazılım geliştirilmiştir.

Özet (Çeviri)

All every spheres of life, numerous decisions are taken on a macro and micro scale. As the number of criteria that have an influence on the decisions increases, ranking of criteria and calculation of weight values are becoming more complex. Particularly, the decision analysis associated with spatial will be more complex due to data density as well as excess of criteria. For the solution of this issue, Spatial Decision Support Systems (SDSS) methods have been developed based on Geographic Information Systems (GIS) and Decision Support Systems (DSS). Recently, GIS-based Multi-criteria Decision Making Methods have been used in many applications such as selection of appropriate settlement area, property evaluation and landslide susceptibility by the public, private and academic circles. Generally in these practices, methods requiring expert opinion are preferred and accepted. In these expert-based methods, factors such as differences in views of experts and subjective evaluation, caused by interpretation make it difficult to popularize and automate applications. Furthermore, dynamic models cannot be created as the spatial analysis needs to be revised when the changes (criteria adding / decrease) that will occur in the data structure. Dynamic methods need to be developed in order to minimize the human impact in decision analysis so that decision making can be fast, effective and objective. In this context, artificial intelligence techniques, which are increasingly used in many different applications, need to be integrate SDSS. Over recent years self-learning systems have been developed with the advances in Artificial intelligence techniques. In this study, it is aimed to integrate machine learning techniques of artificial intelligence into the data driven SDSS and automate these systems. For this purpose, supervised learning algorithms such as Artificial Neural Networks, Support Vector Machines, CHAID, ID3, C4.5, CART and Random Forest were used for the generation of the Aksaray Province real estate valuation map and their performances were evaluated. In addition, the results obtained were compared by using the statistical method, Multiple Regression Analysis, which is frequently used in the literature. A software covering all the methods mentioned above was developed to enhance.

Benzer Tezler

  1. Tez No

    612445

    DSSAT bitki simülasyon modeli ve uzaktan algılama verilerinden elde edilen indisler kullanılarak buğday verim tahmini: İslahiye ve Nurdağı örneği

    Wheat yield estimation using DSSAT crop simulation model and indices obtained from remote sensing: Islahiye and Nurdagi case

    ÖMER VANLI

    Doktora

    Türkçe

    Türkçe

    2019

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. BURAK BERK ÜSTÜNDAĞ

  2. Tez No

    905434

    Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi

    Proposal for a productive artificial aid in the systematic architectural design process

    BETÜL ŞEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. YÜKSEL DEMİR

  3. Tez No

    904192

    Makine öğrenimi teknikleri kullanılarak orman yangını risk haritalarının oluşturulması: Antalya Şelale Şefliği örneği

    Creating forest fire risk maps using machine learning techniques: The example of Antalya Şelale Şefliği

    AYBİKE GÖKSU BEKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL RAKIP KARAŞ

  4. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  5. Tez No

    462928

    Yaşam kalitesi endeksi tabanlı bileşik makine öğrenme teknikleriyle yaşam alanı tahmin modeli

    A living environment prediction model using ensemble machine learning techniques based on life quality index

    ZÜLFİYE ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ERSİN NAMLI

Geri Dön