Makine öğrenme teknikleri ile heyelan duyarlılık haritalarının üretilmesi: Hopa (Artvin) örneği
Production of landslide susceptibility maps by machine learning techniques: Hopa (Artvin) example
- Tez No: 833051
- Danışmanlar: PROF. DR. HALİL AKINCI
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Artvin Çoruh Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Türkiye'de heyelanların en fazla görüldüğü bölge Doğu Karadeniz Bölgesidir. Doğu Karadeniz Bölgesindeki Trabzon, Rize, Giresun ve Artvin illerinde meydana gelen heyelanlar Türkiye'de meydana gelen heyelanların yaklaşık %20'sini oluşturmaktadır. Heyelanlar, Artvin gibi engebeli topoğrafyaya sahip yerleşimlerde birincil doğal afet türü olarak ön plana çıkmaktadır. Artvin'in kıyı kesimlerinde, özellikle aşırı yağışların tetiklediği heyelanlar can kayıplarına, altyapı ve üst yapı hasarlarına, doğal çevrede tahribata ve ciddi ekonomik zararlara neden olmaktadır. Bu çalışmada, rastgele orman (Random Forest - RF) ve aşırı gradyan artırma (Extreme Gradient Boosting - XGBoost) algoritmaları kullanılarak Artvin'in Hopa ilçesinin heyelan duyarlılık haritalarının üretilmesi amaçlanmıştır. Çalışmada, heyelanların meydana gelmesinde etkili olduğu belirlenen 10 faktör (litoloji, eğim, arazi örtüsü, yükseklik, bakı, eğrilik, topografik nemlilik indeksi, fay hatlarına, yola ve drenaj ağlarına yakınlık) kullanılmıştır. Çalışmada kullanılan makine öğrenmesi modellerinin performansı, alıcı işlem karakteristik (Receiver Operating Characteristic - ROC) eğrisi ve eğri altında kalan alan (area under the ROC Curve - AUC) yaklaşımı kullanılarak değerlendirilmiştir. Değerlendirme sonucunda XGBoost algoritmasının, RF algoritmasına göre daha iyi performans gösterdiği belirlenmiştir. Ayrıca, çalışma bölgesinde heyelanların meydana gelmesinde en etkili faktörlerin, sırasıyla, yükseklik, fay hatlarına yakınlık, eğim, litoloji ve arazi örtüsü olduğu belirlenmiştir. Eğrilik ise en az etkili ya da en önemsiz faktör olarak belirlenmiştir. Sonuç olarak, XGBoost algoritması ile üretilen heyelan duyarlılık haritasının, bölgede heyelan zararlarını azaltmak için karar vericilere yol gösterebileceği sonucuna varılmıştır.
Özet (Çeviri)
The region where landslides are most common in Turkey is the Eastern Black Sea Region. The landslides occurring in the provinces of Trabzon, Rize, Giresun and Artvin in the Eastern Black Sea Region constitute approximately 20% of the landslides occurring in Turkey. Landslides stand out as the primary natural disaster type in settlements with rugged topography such as Artvin. In the coastal areas of Artvin, landslides triggered by heavy rainfall cause loss of life, infrastructure and superstructure damage, destruction of the natural environment and serious economic damage. In this study, it is aimed to produce landslide susceptibility maps of Hopa district of Artvin by using Random Forest (RF) and Extreme Gradient Boosting (XGBoost) algorithms. In the study, 10 factors (lithology, slope, land cover, elevation, aspect, curvature, topographic wetness index, proximity to fault lines, road and drainage networks) were used, which were determined to be effective in the occurrence of landslides. The performance of the machine learning models used in the study was evaluated using the Receiver Operating Characteristic (ROC) curve and the area under the ROC Curve (AUC) approach. As a result of the evaluation, it was determined that the XGBoost algorithm performed better than the RF algorithm. In addition, it has been determined that the most effective factors in the occurrence of landslides in the study area are elevation, proximity to fault lines, slope, lithology and land cover, respectively. Curvature was determined as the least effective or least important factor. As a result, it was concluded that the landslide susceptibility map produced by the XGBoost algorithm can guide the decision makers to reduce the landslide damages in the region.
Benzer Tezler
- Applications of ensemble learning paradigm and advanced hyperparameter optimization techniques in landslide susceptibility mapping
Heyelan duyarlılık haritalamasında topluluk öğrenme paradigması ve gelişmiş hiperparametre optimizasyonu algoritmalarının uygulamaları
ALİHAN TEKE
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- 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
SÜLEYMAN SEFA BİLGİLİOĞLU
Doktora
Türkçe
2018
Jeodezi ve FotogrametriAksaray ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HACI MURAT YILMAZ
- Alakır Çayı (Antalya) havzasının uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak heyelan duyarlılık haritalaması
Landslide susceptibility mapping using remote sensing and geographic information system: The Alakir River basin (Antalya, Turkey)
METEHAN ADA
Yüksek Lisans
Türkçe
2018
Jeoloji MühendisliğiAkdeniz ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEKİR TANER SAN
- Machine learning models for microbiome-based classification of axolotl limb regeneration phases
Aksolotl uzuv rejenerasyon aşamalarının mikrobiyoma dayalı sınıflandırılması için makıne öğrenimi modellerı
ABDULLAH HÜSEYİN KÖSEOĞLU
Yüksek Lisans
İngilizce
2023
Biyoistatistikİstanbul Medipol ÜniversitesiBiyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KIVANÇ KÖK
- 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