Developing remote sensing-based early phase geothermal exploration model via machine learning techniques
Makine öğrenme teknikleri aracılığıyla uzaktan algılama tabanlı erken aşama jeotermal keşif modeli geliştirme
- Tez No: 962990
- Danışmanlar: PROF. DR. SAYE NİHAN ÇABUK, DOÇ. DR. GORDANA KAPLAN
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Küresel iklim krizine sebep olan en büyük etkenlerden birisi fosil yakıtların dünya genelinde hala büyük oranda kullanılmasıdır. Fosil yakıt tüketimini azaltmak için küresel ölçekte alınan önlemler arasında en etkilisi yenilebilir enerji kaynaklarına kullanıma sunmaktır. Jeotermal enerji hem üretimdeki sürdürülebilirliği hem de farklı kullanım alanları sayesinde güçlü bir alternatif kaynaktır. Geleneksel arama yöntemlerini kullanarak jeotermal kaynağa ulaşma oldukça maliyetlidir. Geleneksel yöntemlere ile yapılan çalışmalara ek olarak hem doğruluğu arttırmak hem de maliyeti düşürmek için uydu verilerini kullanmak mümkündür. Bu çalışmanın amacı uydu verileri ile elde edilen Yer Yüzey Sıcaklığı, Çizgisellik, ve Hidrotermal Alterasyon gibi 3 parametreyi girdi değişkeni olarak K-means ve Random Forest gibi büyük ve karmaşık verilerle rahatlıkla çalışabilen makine öğrenmesi algoritmaları ile kullanarak erken aşama jeotermal arama modeli oluşturmak, ve bu modeli var olan iki sahada doğrulamaktır. Bu amaç doğrultusunda 2025 yılı itibariyle 1,8 GW jeotermal üretimi ile dünya jeotermal üreticileri arasında 4. sırada olan Türkiye'nin iki majör jeotermal üretim sahası sırasıyla Buharkent ve Germencik sahaları seçilmiştir. Bu iki saha üzerinde yapılan analizler sonucu oluşturduğumuz jeotermal model Buharkent sahası için 79% model doğruluğu ve 93% recall değeri ile sahayı tanımlamada başarılıdır. Germencik sahası görece düşük sonuçlar verse de 59% model doğruluğu 83% recall değeri ile yeni çalışmalar için destekleyici fikir vermiştir. Çalışmanın sonuçları uydu verilerinin makine öğrenmesi yöntemi ile kullanılmasının jeoloji, jeofizik ve jeokimya çalışmalarına ek olarak umut verici bir araştırma yöntemi olduğu desteklemektedir.
Özet (Çeviri)
One of the biggest factors causing the global climate crisis is the widespread use of fossil fuels worldwide. The most effective measure taken globally to reduce fossil fuel consumption is renewable energy usage. Geothermal energy is considered a reliable alternative energy source for its sustainability and applicability in diverse areas. Despite its major advantages, geothermal usage is limited due to high exploration costs. Conventional exploration techniques are expensive and limited, particularly in geologically difficult terrains. To handle these problems, remote sensing and machine learning techniques can be utilized to increase exploration accuracy and reduce the costs. Accordingly, this study aims to create a geothermal exploration model that is compatible to work with remotely sensed data and machine learning algorithms. Land Surface Temperature, Lineament Density, and Hydrothermal Alterations were the input parameters of the model. K-means and Random Forest were selected as the machine learning algorithms due to their success to handle big and work on complicated data series. Buharkent and Germencik geothermal production fields in Türkiye were selected as the study areas. The findings revealed that the model had promising results particularly in Buharkent field where the model accuracy is 79% and recall value is 93%. Although the Germencik field produced relatively low results, it provided valuable insights for the upcoming studies with 59% model accuracy and 83% recall value. The results of the study indicate that integrating satellite data with machine learning algorithms presents a promising approach, particularly in the early phase of geothermal exploration.
Benzer Tezler
- Freezing fog microphysics and visibility over complex terrain based on cfact field campaign
Donan sis mikrofiziğinin ve görüş mesafesinin dağlik alanlarda cfact proje verileri kullanilarak analizi
ONUR DURMUŞ
Doktora
İngilizce
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ŞEN
- Afetten etkilenen bölgelerin ve binaların hava görüntülerinden derin öğrenme tabanlı belirlenmesi
Deep learning-based detection of affected areas and buildings from aerial images in disaster zones
ABDULLAH ŞENER
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- Turkey forest fire decision support system (TFFDSS)
Türkiye orman yangını karar destek sistemi (TFFDSS)
ABDULLAH SUKKAR
Yüksek Lisans
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZGÜR DOĞRU
- Çamaşır makinesi adaptif sıkma algoritması
Washing machine adaptive spinning algorithm
İPEK TERZİOĞLU
Yüksek Lisans
Türkçe
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUGAN
- Genişbandlı şebekelerde hizmet adaptasyon protokolleri
Başlık çevirisi yok
RECEP EVREN PALANDUZ
Yüksek Lisans
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNSEL DURUSOY