Makine öğrenmesi yaklaşımları kullanılarak yangın verilerinin analizi: Marmara ve Kocaeli bölgelerinde bir vaka çalışması
Analysing fire data using machine learning approaches: A case study in Marmara and Kocaeli regions
- Tez No: 895103
- Danışmanlar: DOÇ. DR. ORHAN AKBULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Destek vektör makineleri, Support vector machines
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yangınlar, günlük yaşantımızı ciddi şekilde tehdit eden bir risk oluşturmaktadır. Doğa yada insan kaynaklı gerçekleşen yangınlar yaşam ve biyolojik çeşitlilik için büyük tehdit oluşturmaktadır. Doğal nedenlerden kaynaklanan yangınlarda yıldırım düşmesi, yanardağ patlaması gibi etkenler söz konusudur. İnsan faktöründen kaynaklı yangınlar ise bilinçli ya da bilinçsiz bir şekilde ortaya çıkmaktadır. Günümüzde, yangınlara erken müdahale ederek yangınların neden olduğu zararları en aza indirebilmek için erken yangın tespiti önemli bir hale gelmiştir. Tez kapsamında, NASA'nın Moderate Resolution Imaging Spectroradiometer (MODIS) ve Visible Infrared Imaging Radiometer Suite (VIIRS) uydu sensörlerinden elde edilen yangın verileri analiz edilmiştir. MODIS, NASA'nın Terra ve Aqua uydularında bulunan bir sensördür ve 1999'dan bu yana yangın tespiti için kullanılmaktadır. VIIRS ise NOAA'nın Suomi NPP ve JPSS serisi uydularında bulunur ve 2011'den beri daha yüksek mekansal çözünürlük ve geliştirilmiş yangın tespit yetenekleri sunmaktadır. MODIS ve VIIRS veri kümeleri ile makine öğrenmesi yöntemleri kullanılarak Marmara ve Kocaeli Bölgeleri'ndeki yangınların analizi yapılmıştır. Yöntemlerin doğruluğunu ve etkinliğini karşılaştırmak amacıyla çaprazlama yöntemi kullanılmıştır. Bulgular, VIIRS'in daha yüksek mekansal çözünürlüğü sayesinde küçük ve yoğun yangınların tespitinde daha etkili olduğunu göstermektedir. Tez kapsamında, ayrıca son 3 yıllık Kocaeli Büyükşehir Belediyesi İtfaiye verilerinin analizinde makine öğrenmesi yaklaşımlarının doğruluğunu değerlendirmek amacıyla kapsamlı bir vaka çalışması yürütülmüştür. Vaka çalışmasında 7 farklı senaryo oluşturulmuştur. Veri kümesinde yer alan öznitelikler arasındaki ilişkileri daha iyi anlamak için korelasyon analizi hesaplaması yapılmıştır. Bu analiz, belirli özniteliklerin birbirleriyle nasıl ilişkilendiğini ve birbirlerini nasıl etkilediğini anlamak için önemli bir araç sağlamıştır. Elde edilen sonuçlar, modellerin tahmin doğruluğu açısından analiz edilmiştir.
Özet (Çeviri)
Fires pose a risk that seriously threatens our daily lives. Nature or human-caused fires pose a great threat to life and biodiversity. In fires caused by natural causes, there are factors such as lightning strikes, volcano eruption. Fires caused by human factors occur consciously or unconsciously. Nowadays, early fire detection has become important in order to minimise the damages caused by fires by early intervention. In this thesis, fire data obtained from NASA's Moderate Resolution Imaging Spectroradiometer (MODIS) and Visible Infrared Imaging Radiometer Suite (VIIRS) satellite sensors are analysed. MODIS is a sensor on NASA's Terra and Aqua satellites and has been used for fire detection since 1999. VIIRS is located on NOAA's Suomi NPP and JPSS series satellites and has been providing higher spatial resolution and improved fire detection capabilities since 2011. Using MODIS and VIIRS datasets and machine learning methods, fires in the Marmara and Kocaeli Regions were analysed. A crossover method was used to compare the accuracy and effectiveness of the methods. The results show that VIIRS is more effective in detecting small and intense fires due to its higher spatial resolution. Within the scope of the thesis, a comprehensive case study was conducted to evaluate the accuracy of machine learning approaches in analysing the last 3 years of Kocaeli Metropolitan Municipality Fire Department data. In the case study, 7 different scenarios were created. In order to better understand the relationships between the attributes in the dataset, correlation analysis calculation was performed. This analysis provided an important tool to understand how certain attributes are related to each other and how they influence each other. The results obtained were analysed in terms of the prediction accuracy of the models.
Benzer Tezler
- Flood risk analysis with geospatial artifical intelligence techniques
Coğrafi bilgi sistemleri ve yapay zeka ile sel taşkın riski analizi
MİRAÇ TAHA DERMAN
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED OĞUZHAN METE
- Exploring the biodiversity patterns of Anatolia under changing climatic conditions
Değişen iklimsel koşullar altında Anadolu'nun biyoçeşitlilik örüntülerinin araştırılması
BATUHAN ATIF TUNÇ
Yüksek Lisans
İngilizce
2025
Biyolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH ÇORAMAN
- Kaba kümeleme teorisi kullanılarak diyabet veri setinin analiz edilmesi ve diyabet hastalığının teşhisi için gerçek zamanlı bir veri analitiği sistemi kurulması
Analyzing diabetes data set using rough clustering theory and establishing a real-time data analytics system for diagnosis of diabetes disease
MEHMET YÜKSEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN DEMİRCİ
- Comparative study of federated learning for credit risk assessment and fairness evaluation
Federe öğrenmenin karşılaştırmalı çalışması: Kredi risk değerlendirmesi ve adalet ölçümü
MUSTAFA AKTAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. RUŞEN HALEPMOLLASI
- A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders
İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama
ELİF GÜLİN PETEK
Yüksek Lisans
İngilizce
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR