Kentsel ani sel felaketlerine karşı mücadelede yapay zeka tabanlı bir karar destek sistemi
An artificial intelligence-based decision support system for urban flash flood disaster response
- Tez No: 882179
- Danışmanlar: PROF. DR. ALEV TAŞKIN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 114
Özet
Sel, insan hayatını maddi ve manevi olarak etkileyen doğal afetlerden biridir. Seller en yıkıcı ve etkili doğal afetlerden biri olarak öne çıkmaktadır. Bu nedenle tez, sel risk yönetimi için yenilikçi yaklaşımların geliştirilmesine odaklanmaktadır. Sel riskinin etkilerini azaltmak için kritik önem taşıyan bir alan olan sel risk yönetimi için üç aşamalı yapay zeka destekli bir karar sistemi önerilmektedir. İlk aşama, toplanma alanlarının sel risklerini belirlemek amacıyla bir çerçeve sunmaktadır ve Bartın ilinin Merkez ilçesi nümerik örnek bölge olarak belirlenmiştir. Bu çerçeve, çok kriterli karar verme (MCDM) tekniğini kullanarak geliştirilmiş olup, hem sel hem de toplanma alanı risklerini belirlemek için iki adımlı bir süreci içermektedir. İlk adımda, sel ve toplanma alanlarını etkileyen ana ve alt kriterler belirlenir ve uzman görüşleriyle değerlendirilir. Ana kriterler arasında topografik özellikler, iklim koşulları, altyapı durumu ve nüfus yoğunluğu gibi faktörler yer alır. Alt kriterlerin belirlenmesi ve değerlendirilmesinde ise, uzmanlar ve ilgili paydaşların görüşleri ve bilgileri dikkate alınır. Ardından, aralıklı değerli nötrosofik AHP (IVN-AHP) metodolojisi kullanılarak kriterlerin ağırlıkları belirlenir ve aralıklı değerli nötrosofik CODAS (IVN-CODAS) metodolojisi kullanılarak toplanma alanları risklerine göre sıralanır. Bu sıralama, her bir toplanma alanının sel riskine karşı hassasiyetini belirlemekte ve acil müdahale gerektiren noktaları önceliklendirmektedir. İkinci aşama ise, daha geniş çerçevede kentsel ani sel felaketi durumlarında güvenli toplanma alanlarını belirlemek için bir metodoloji sunmaktadır. Coğrafi Bilgi Sistemleri (GIS) kullanılarak yapılan kapsamlı bir değerlendirme sonucunda, Bartın Nehir Havzası'nın mikro havza düzeyinde güvenli toplanma alanlarını belirlemek için farklı kümeleme algoritmaları önerilmektedir. Bu algoritmalar arasında K-Means, Agglomerative Hierarchical, DBSCAN, MeanShift, Birch, MiniBatch K-Means ve Spektral kümeleme yöntemleri bulunmaktadır. Algoritmaların performansı, Siluet Skor İndeksi (SSI) kullanılarak değerlendirilir ve en uygun kümeleme yöntemi seçilir. Son aşamada ise, sel tahliye prosedürlerini optimize etmek için bir model önerilmektedir. İki adımlı bir model kullanılarak, güvenli toplanma alanlarının belirlenmesi ve ardından derin takviyeli öğrenme (DRL) modeli kullanılarak optimal tahliye rotalarının oluşturulması amaçlanmaktadır. Bu model, Kapasiteli Araç Rotalama Problemi (CVRP) çözmek için kullanılmaktadır. DRL modeli, REINFORCE algoritması ile eğitilerek rotalama optimizasyonu için optimal politikaları öğrenir. Karşılaştırmalı sonuçlar, önerilen modellerin etkinliğini göstermektedir ve afet yönetimi stratejilerinde önemli bir adım oluşturmaktadır. Her aşamanın birleşimi, sel risk yönetimi için bütüncül bir yaklaşım sunmaktadır ve gelecekteki sel olaylarına karşı daha dirençli bir toplum oluşturmayı amaçlamaktadır.
Özet (Çeviri)
Floods stand out as one of the most devastating and impactful natural disasters, significantly affecting both the material and spiritual aspects of human life. Recognizing this, the thesis is dedicated to pioneering innovative approaches in flood risk management. A three-stage artificial intelligence-based decision system is proposed for flood risk management, which is a critically important area for reducing the impacts of flood risk. The first stage introduces a framework to identify flood risks in assembly areas, with the Merkez district of Bartın province selected as a numerical sample area. Developed using Multiple Criteria Decision Making (MCDM) techniques, this framework employs a two-step process to evaluate both flood and assembly point risks. Initially, key criteria influencing floods and assembly points are identified and assessed through expert input. Subsequently, the interval-valued neutrosophic AHP (IVN-AHP) methodology is utilized to determine the criteria weights, while the interval-valued neutrosophic CODAS (IVN-CODAS) method is employed to rank assembly points based on flood risks, thus prioritizing areas necessitating urgent intervention due to their susceptibility to flood hazards. The subsequent stage presents a methodology for identifying safe assembly areas during urban flash flood scenarios on a broader scale. Leveraging Geographic Information Systems (GIS), an exhaustive evaluation is conducted to delineate safe assembly areas at the micro-watershed level within the Bartın River Basin. Various clustering algorithms, including K-Means, Agglomerative Hierarchical, DBSCAN, MeanShift, Birch, MiniBatch K-Means, and Spectral clustering methods, are explored. Their performance is evaluated using the Silhouette Score Index (SSI), facilitating the selection of the most suitable clustering approach. The final stage, a model is proposed to optimize flood evacuation procedures. Utilizing a two-step framework, safe assembly areas are identified, followed by the development of optimal evacuation routes employing Deep Reinforcement Learning (DRL). Specifically, the model tackles the Capacitated Vehicle Routing Problem (CVRP). Through training with the REINFORCE algorithm, the DRL model learns optimal policies for route optimization. Comparative analyses underscore the efficacy of the proposed models, representing a significant stride in disaster management strategies. The integration of each stage offers a holistic approach to flood risk management, aiming to cultivate a more resilient society in the face of future flood occurrences.
Benzer Tezler
- İklim değişikliği dirençlilik senaryosu: Artan sel riski çerçevesinde Bursa alan çalışması
Climate change resilience scenario: Bursa field study in the framework of increasing flood risk
AYŞE SENA ÇILDIR
Yüksek Lisans
Türkçe
2023
MimarlıkBursa Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DR. DİDEM GÜNEŞ YILMAZ
- Renkli ve geçirgen betonun özelliklerinin optimizasyonu ve tahmini: Gri kurt optimizasyonu ve artırılmış yapay sinir ağları ile performansının artırılması
Optimization and prediction of colored pervious concrete properties: Enhancing performance through augmented grey wolf optimizer and artificial neural networks
AHMET TUĞRUL KOÇ
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiKaramanoğlu Mehmetbey Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK ALPER YILDIZEL
- İstanbul metropoliten kent ölçeğinde dere taşkınları ve ıslah yöntemleri
Stream floods and improvement methods in Istanbul metropolitan city
FATİH ERPAK
Yüksek Lisans
Türkçe
2025
Mimarlıkİstanbul Sabahattin Zaim ÜniversitesiMimarlık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHAR FERAH
- Su kaynaklarının doğru kullanımı ile ilgili sürdürülebilir peyzaj değerlendirmesi: Erbil şehrinde mahalle parkları örneği
Assessment of sustainable landscape in neighborhood parks related with saving water resource: Case study in Erbil city
SHWAN OTHMAN ORMAZYAR
Yüksek Lisans
İngilizce
2017
Peyzaj MimarlığıYüzüncü Yıl ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
ASST. ASSOC. DR. PINAR BOSTAN
- Future changes in hourly extreme precipitation, return levels, and non-stationary impacts in Türkiye
Türkı̇ye'de saatlı̇k aşırı yağışlarda gelecektekı̇ değı̇şı̇mler, tekerrür miktarı ve durağan olmayan etkı̇ler
KUTAY DÖNMEZ
Yüksek Lisans
İngilizce
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. YURDANUR ÜNAL