Forest fire detection scheme using machine learning algorithms and wireless sensor networks
Kablosuz sensör ağları ve makine öğrenmesi algorithmları kullanarak orman yangını tespit sistemi
- Tez No: 826808
- Danışmanlar: DR. ÖĞR. ÜYESİ METİN ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Maden Mekanizasyonu ve Teknolojileri Bilim Dalı
- Sayfa Sayısı: 78
Özet
Son yıllarda, orman yangınları çevre ve insan yaşamına risk oluşturan önemli doğal tehditlerden biri olarak ortaya çıkmıştır. Orman yangınları, doğal habitatların tahribatı ve biyolojik çeşitliliğin kaybı gibi çevre üzerinde önemli etkilere sahiptir. Ayrıca, ahşap ve tarımsal ürün kayıpları gibi ekonomik etkilere ve insan yaşamı ile mülke yönelik tehditlere yol açabilirler. Yangınların doğru bir şekilde öngörülmesi, yangınların önlenmesi ve potansiyel hasarın azaltılması için son derece önemlidir. Bu tez, orman yangınlarını tahmin edebilen bir makine öğrenme modeli oluşturmayı amaçlamaktadır ve bu amaçla orman yangınlarıyla ilgili bir veri seti kullanılmaktadır. Veri seti önceden işlenmiş ve eğitim ve test kümelerine bölünmüştür. Eğitim ve test kümeleri, destek vektör makinesi, rastgele orman, karar ağacı ve k-en yakın komşu gibi denetimli makine öğrenme algoritmalarının eğitiminde kullanılmaktadır. Deney birinde, veri setinin tüm öznitelikleri algoritmaları eğitmek için kullanılırken, deney ikiinde yalnızca en önemli öznitelikler seçilerek kullanılmıştır. Deney birinde, rastgele orman ve k-en yakın komşu modelleri 96% doğruluk elde etmiştir. Deney ikiinde ise, destek vektör makinesi ve k-en yakın komşu modelleri 95%'e kadar olan doğruluk oranıyla en etkili bulunmuştur. Denetimli makine öğrenme modelini kullanırken yanlış tahmin olasılığını azaltmak için kablosuz sensör ağları, yangının varlığını doğrulamak ve onaylamak için kullanılmaktadır. Sensör düğümleri veri iletimi ve alımı sırasında enerji tüketir, bu nedenle sensör düğümünün bilgisini ana üniteye iletebilmesi için enerji tüketimi enerji modeli kullanılarak tahmin edilir.
Özet (Çeviri)
In recent years, forest fires has been emerged as one of the significant natural threat, causing extensive damage to the environment and posing a risk to human life. Forest fires have significant impacts on the environment, including the destruction of natural habitats and loss of biodiversity. They can also have economic impacts, such as the loss of timber and agricultural crops, and can pose a threat to human life and property. Accurately predicting wildfire development is critical for preventing fires and mitigating their potential damage. To end this,this thesis is going to create a machine learning model that is capable of predicting forest fire occurrences by utilizing a data set related to forest fires. The data set is preprocessed and divided into training and test sets, which are used to train supervised machine learning algorithms, including support vector machine, random forest, decision tree, and k-nearest neighbor. In experiment one, all attributes of the data set are used to train the algorithms, while in experiment two, only the most significant attributes are selected and used. In experiment one, the random forest and k-nearest neighbor models get an accuracy of 96%. In experiment two, the support vector machine and k-nearest neighbor models were found to be the most effective with an accuracy of up to 95%. To reduce the chance of false prediction when using the supervised machine learning model, wireless sensor networks are used to confirm and verify the fire's presence. Since sensor nodes consume energy when transmitting and receiving data, the energy consumption of a sensor node that can be utilized to send its information to the sink unit is estimated by using the energy model.
Benzer Tezler
- Detection and classification of faults on the dc side of photovoltaic systems using logistic model tree algorithm
Lojistik model ağacı algoritması ile fotovoltaik sistemlerin dc tarafındaki hataların tespiti ve sınıflandırılması
BOĞAÇ OĞUZ TOĞAY
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. COŞKUN FIRAT
- Smart grid data collection with vehicular ad-hoc networks using public transportation buses
Araçlar arası ağlarla toplu taşıma araçlarını kullanarak akıllı şebeke verilerini toplama
BİLAL ERMAN BİLGİN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELÇUK BAKTIR
- Dynamic keyring update mechanism for mobile Wireless Sensor Networks
Mobil telsiz duyarga ağları için dinamik anahtar halkası güncelleme mekanizması
MERVE ŞAHİN
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT LEVİ
- A framework for the use of wireless sensor networks in forest fire detection and monitoring
Kablosuz duyarga ağları kullanılarak orman yangınları izleme ve erkin tespit sistemi
YUNUS EMRE ASLAN
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. ÖZGÜR ULUSOY
YRD. DOÇ. DR. İBRAHİM KÖRPEOĞLU
- Yangın/alev renk özellikleri kullanılarak orman yangınlarının tespiti
Forest fire detection by using color feature of fire/ flame
BUKET TOPTAŞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAVUT HANBAY