Çap dağılımlarının derin öğrenme algoritmaları ile modellenmesi: Ilgın (Konya) yöresi Anadolu Karaçamı meşcereleri örneği
Modelling diameter distribution by deep learning algorithms: A case study in Anatolian Black Pine stands in Ilgın (Konya) region
- Tez No: 948746
- Danışmanlar: PROF. DR. İLKER ERCANLI
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Bu çalışmada, Ilgın Orman İşletme Müdürlüğü sınırları içerisinde yayılış gösteren Anadolu Karaçamı meşcerelerinin çap dağılımlarının bir yapay zeka tekniği olan Derin Öğrenme Algoritmaları ile modellenmesi amaçlanmıştır. Konya Bölge Müdürlüğü, Ilgın Orman İşletme Müdürlüğü sınırları içerisinde yer alan Ilgın, Akşehir ve Aşağıçiğil Orman İşletme Şefliklerinde yayılış gösteren saf Anadolu Karaçamı meşcerelerden alınmış 408 adet örnek alan verisi kullanılarak, 3 Parametreli Weibull ve 4 parametreli Johnson SB olasılık yoğunluk fonksiyonlarının parametreleri, maksimum olabilirlik yöntemi, çap dağılımlarının çeşitli yüzdelik ve moment değerleri ile bu moment ve yüzdelikleri birlikte içeren hibrid yöntemleri esas alan eşitliklere dayanan yöntemler ile hesaplanmıştır. Derin Öğrenme Algoritması (DÖA) olarak hiperbolik tanjant sigmoid tipinde aktivasyon tipi ve 100 adet nöron sayısı sabit tutulup; 3, 5, 7 ve 10 gizli katman seçenekleri olmak üzere 4 farklı gizli (ara) katman sayısı seçeneği ile birlikte aşırı uyum soruna bir çözüm olarak değerlendirilebilen 3 farklı hiper-parametre (öğrenme oranı, moment oranı ve erken durdurma) çeşidi değerlerinin özelleştirilmesini içerecek şekilde DÖA modellerinin eğitimleri gerçekleştirilmiştir. DÖA modellerinin çap dağılımlarında kullanımı değerlendirildiğinde; en başarılı olarak belirlenen %31 ve %63'lik yüzdelik değerleri ile parametreleri hesaplanan 3 parametreleri Weibull olasılık yoğunluk fonksiyonunun OMH değeri, 41.701 adet/ha; HKOK değeri, 57.486 adet/ha; HKOK% değeri, % 55.481; R2 değeri, 0.701; AIC değeri; 9590 ve BIC değeri; 11226 olarak elde edilmişken; en başarılı olarak belirlenen 7 ara katmana sahip 0.001 değeri ile Moment oranı (Moment rate) hiper-parametre özelleştirmesini içeren DÖA modelinin HKOK değerinin, 49.193 adet/ha; HKOK% değerinin, % 47.628; R2, 0,784; AI değerinin; 1905 ve BIC değerinin; 2239 olarak elde edildiği görülmektedir. Bu bakımdan, çap dağılımlarını modellemesinde Derin Öğrenme Algoritmalarının olasılık yoğunluk fonksiyonlarına göre daha başarılı sonuçlar verdiği değerlendirilebilir.
Özet (Çeviri)
This study aims to model the diameter distributions of Anatolian Black Pine (Pinus nigra subsp. pallasiana) stands using Deep Learning Algorithms (DLA)'s model, an artificial intelligence technique. Utilizing data from 408 sample plots collected from pure Anatolian Black Pine stands distributed across Ilgın, Akşehir, and Aşağıçiğil Forest Planning Units within Ilgın Forest Enterprise Directorate from the Konya Regional Directorate, the parameters of 3-parameter Weibull and 4-parameter Johnson SB probability density functions were calculated by using the maximum likelihood method, the moment and percentile methods based on various percentile and moment values of diameter distributions and hybrid methods. Deep Learning Algorithm (DLA) models were trained with a fixed hyperbolic tangent sigmoid activation function and 100 neurons, incorporating four different hidden layer configurations (3, 5, 7, and 10 hidden layers), along with the customization of three hyperparameters (learning rate, momentum rate, and early stopping) that can be considered as solutions to the overfitting problem. When evaluating the performance of Deep Learning Algorithm models in diameter distributions, the best predictive 3-parameter Weibull probability density function (calculated with 31% and 63% percentile values) yielded a Mean Absolute Error (MAE) of 41.701 stems/ha, Root Mean Square Error (RMSE) of 57.486 stems/ha, RMSE% of 55.481%, R² value of 0.701, AIC value of 9590, and BIC value of 11226. In contrast, the most successful Deep Learning Algorithm model—featuring 7 hidden layers with a momentum rate hyperparameter of 0.001—produced an RMSE of 49.193 stems/ha, RMSE% of 47.628%, R² value of 0.784, AIC value of 1905, and BIC value of 2239. In this regard, it can be concluded that the Deep Learning model provides more accurate results in modeling diameter distributions compared to traditional probability density functions.
Benzer Tezler
- An innovative and accurate deep learning based HER2 scoring method HER2-unet
HER2 tümör hücrelerinin segmentasyon için derin öğrenme tabanlı yeni bir yaklaşım
FARIBA DAMBAND KHAMENEH
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF. DR. MUSTAFA ERSEL KAMAŞAK
- Ön açık kapanış vakalarında ortopedik amaçla kullanılan vertikal çeneliğin alt çene üzerindeki biyomekanik etkilerinin üç boyutlu sonlu elemanlar metodu ile incelenmesi
Investigation of biomechanical effects of vertical chin cap on mandible in open bite cases by finite element method.
ÖZER ALKAN
- Polyamide synthesis for reverse osmosis membrane and substrate optimization
Reverse osmosiz membranlar için polyamid ince film sentezi ve destek yüzey optimizasyonu
BÜŞRA ARSLAN
Yüksek Lisans
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
PROF. DR. LEVENT TRABZON
DR. ÖĞR. ÜYESİ ÇİĞDEM TAŞDELEN YÜCEDAĞ
- Kastamonu yöresi sarıçam meşcerelerinde çap dağılımlarının modellenmesi
Modelling diameter distributions of scots pine stands in kastamonu region
ESRA DAL
Yüksek Lisans
Türkçe
2019
Ormancılık ve Orman MühendisliğiKastamonu ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. OYTUN EMRE SAKICI
- Önsen doğal fıstıkçamı (Pinus pinea L.) meşcerelerinde çap dağılımlarının modellenmesi
Modeling diameter distributions in önsen natural stone pine (Pinus pinea L.)stands
RAMAZAN KARAKAŞ
Yüksek Lisans
Türkçe
2013
Ormancılık ve Orman MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH SİVRİKAYA