Derin öğrenmeye dayalı orman yangın tahmin modeli geliştirmesi ve türkiye yangın risk haritasının oluşturulması
Development of forest fire prediction model based on deep learning and forecast of turkey fire risk map
- Tez No: 786896
- Danışmanlar: DOÇ. DR. NİHAT ADAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 59
Özet
Orman yangınları; doğal hayatı, biyolojik ekosistemi tehdit eden ve ormancılık faaliyetlerini sekteye uğratarak ekonomik kayıplara neden olan ana sorunlardan birisidir. Yangınlar; bitki örtüsü, su ve hava gibi doğal kaynakların zarar görmesine veya tamamen yok olmasına neden olmaktadır. Ayrıca ormanların çevresinde bulunan yerleşim ve tarım alanlarına da hasar vererek can ve mal kayıplarına sebep olmaktadır. Bu yüzden orman yangınlarıyla mücadele edilmesi ve tahribatın asgari düzeye indirilmesi için kaynakların kullanılmasında doğru kararların verilmesi ve etkili planlamaların yapılması önem arz etmektedir. Bu çalışmada yangın risk tahmin modeli; yıllara göre bitki örtüsü, iklim değişiklikleri, beşeri etmenler ve daha önceki yangınlardan elde edilen verilere dayandırılarak oluşturulmuştur. Bu veriler derin öğrenme tekniği ile işlenerek Orman Yangını Analiz Tahmin (OYAT) modeli oluşturulmuştur. OYAT, analiz ettiği veriler ile risk değerlendirmesi yapar ve bölgesel risk haritası oluşturur. Türkiye'deki 2013-2018 yılları arasındaki orman yangını verileri OYAT modelinin oluşturulmasında, 2019 yılına ait veri de modelin doğruluğunun belirlenmesinde kullanılmıştır. OYAT ile oluşturulan haritalar, doğrulama verisi ile kıyaslandığında %96 oranında benzerlik saptanmıştır. OYAT'ın yıllık güncellenen veri ile kullanılması ile birlikte yangın önleme için yapılacak planlamanın daha verimli ve başarılı olacağı öngörülmektedir.
Özet (Çeviri)
Forest fires are one of the main problems that cause economic losses by threatening natural life and biological ecosystem by disrupting forestry activities. Fires can cause damage to the natural sources like vegetation, water and air, or completely eradicate them. They can also cause loss of life and property by damaging the residential areas and cultivated areas around the forests. Therefore, it is important to make the right decisions and make effective planning on using these resources in order to reduce the risk of forest fires and minimize destruction. In this study, a fire risk assessment method is built based on data from previous fires, vegetation, climate changes and human factors. This data is processed with deep learning techniques and Forest Fire Analysis Forecasting (OYAT) model is created. By using the data it analyses, OYAT evaluates risk assessments and creates regional risk map. Forest fire data in Turkey between 2013 and 2018 is used for model training, and the data belong to 2019, is used as test data. The maps created have proven to be %96 successful. Considering OYAT is used with annually-updated data, it is foreseen that the planning for fire prevention will be more efficient and successful.
Benzer Tezler
- Optimization of deep neural network architectures for the forest fire detection
Orman yangini tespitinde derin sinir aği mimarilerinin optimizasyonu
BERRİN SAVDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
PROF. DR. HAZIM KEMAL EKENEL
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Evaluation of comedogenicity and irritancy potential of some cosmetic ingredients using in silico methods
Komedojenite ve cilt irritasyon potensiyeli olan kozmetik bileşenlerinin in silico methodlar ile değerlendirilmesi
SEBLA ÖZTAN AKTÜRK
Doktora
İngilizce
2023
Farmasötik ToksikolojiYeditepe ÜniversitesiFarmasötik Toksikoloji Ana Bilim Dalı
PROF. DR. HANDE SİPAHİ
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Derin öğrenmeyle postpartum depresyon tahmini
Postpartum depression prediction using deep learning
GÜRKAN CANER BİRER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
PROF. DR. SERDAR KULA