Forest fires management using machine learning techniques
Makine öğrenme teknikleriyle orman yangınları yönetimi
- Tez No: 702773
- Danışmanlar: DOÇ. DR. SÜREYYA AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Polimer Bilim ve Teknolojisi, Polymer Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Orman yangınları, gezegenimizin yeşil örtüsünü etkileyen en tehlikeli doğal afetlerden biri olarak kabul edilmektedir. Son on yılda dünya çapında bu soruna bir çözüm bulmak için çeşitli çabalar yapılmıştır. Olası çözümlerden biri, önceden eğitilmiş bir modele bağlı olarak orman yangını davranışı hakkında tahminler yapabilen modeller veya birleşik sistemler bulmaktır. Bu nedenle, Makine Öğrenimi bu tür modelleri eğitmek için iyi bir adaydır. Bu çalışmada, Kanada ormanından toplanan ve Kanada genelinde belirli yangınlar hakkında bazı bilgileri içeren bazı verileri kullandık (1970-2019) veri kümesi yangın boyutu kategorisi, hektar cinsinden yanmış alan, yangının meydana geldiği durumlar gibi bilgileri içerir. ve yangın yılı. Python programlama, veri kümesine bazı ön işleme adımlarını uygulamak ve ardından dört farklı Sınıflandırma Makine Öğrenimi Modelini eğitmek için Google Colab ortamı aracılığıyla kullanılmıştır: Karar Ağacı, Rastgele Orman, Destek Vektör Makinesi ve Derin Yoğun Sinir Ağları. Modeller, belirli bir orman yangınının insan müdahalesine nasıl tepki verebileceği hakkında bazı bilgiler sağlamaya yardımcı olacak Yangın müdahale kategorisini tahmin etmek için eğitilmiştir. Bununla birlikte, dört model, hiperparametreler ayarlanmadan eğitilmiş ve test edilmiştir ve daha sonra, hiperparametreler ayarlandıktan sonra eğitilmiş ve test edilmiştir. Derin Yoğun Sinir Ağı modeli, eğitim için 75 yüzde ve test için 71 yüzde doğrulukla en iyi performansı gösterdi.
Özet (Çeviri)
Forest fires are considered as one of the most dangerous natural disasters that affecting the green cover of our planet. In the last decade several efforts around the world to find a solution to this issue have been done. One of the possible solutions is to find models or combined systems that can make predictions about the forest fire behavior depending on a pre-trained model. Hence, Machine Learning is a good candidate to train such models. In this work we used some data collected from the Canadian forest that contains some information about specific fires across Canada for the period (1970 to 2019) the dataset contains information such as fire size category, burned Area in hectares, the states that the fire occurred in and the year of the fire. Python programming has been used via Google Colab environment to apply some preprocessing steps to the dataset and then to train four different Classification Machine Learning Models: Decision Tree, Random Forest, Support Vector Machine and Deep Dense Neural Networks. The models have been trained to predict the Fire's response category that will help to provide some information about how a specific forest fire may respond to the human intervention. However, the four models have been trained and tested without tuning the hyperparameters and then they have been trained and tested after the hyperparameters tuning. The Deep Dense Neural Network model showed the best performance with 75 percent accuracy for training and 71 percent for testing.
Benzer Tezler
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL RAKIP KARAŞ
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Düşük maliyetli ve kaynakları verimli kullanabilen sürekli öğrenebilen akıllı cihaz çekirdeği
Low-cost and resource-aware intelligent device: A core of thing
ONUR AKDEMİR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. DENİZ TURGAY ALTILAR
- Identifying an effective framework for guiding fire models in forestry
Ormancılıkta yanma / yangın modellerine esas teşkil edecek etkili bir sistem belirlenmesi
SOUAD GHOUZLANE
Doktora
İngilizce
2024
Çevre MühendisliğiDokuz Eylül ÜniversitesiCoğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. OKAN FISTIKOĞLU
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA