Coğrafi bilgi sistemleri ve yapay zeka entegrasyonu ile altyapı karar destek sistemi geliştirilmesi
Development of an infrastructure decision supportsystem through the integration of geographicinformation systems and artifical intellegence
- Tez No: 968065
- Danışmanlar: PROF. NURSU TUNALIOĞLU ÖCALAN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kentsel alanlarda hızla artan nüfus, sanayi yoğunluğu ve altyapı sistemlerinin yaşlanması, içmesuyu şebekelerinde meydana gelen arızaların sayısını ve şiddetini artırmakta; bu durum, sürdürülebilir su yönetimi açısından önemli bir sorun haline gelmektedir. Su altyapılarında izleme, risk sıralaması ve müdahale planlamalarının yapılabilmesi, güncel karar destek teknolojilerinin kullanımını zorunlu kılmaktadır. Bu kapsamda, Kocaeli ilinin sekiz ilçesine ait içmesuyu boru hatları üzerinde meydana gelen arıza verileri kullanılarak, yapay zeka teknikleri ile desteklenen coğrafi tabanlı bir karar destek sistemi tasarlanmıştır. Analiz sürecinde, arıza sıklığı, boru yaşı, malzeme türü ve kaplama tipi gibi parametreler dikkate alınarak ön işleme, normalizasyon ve yeniden sınıflandırma işlemleri gerçekleştirilmiştir. Kriterlerin önem dereceleri, Analitik Hiyerarşi Süreci yöntemi ile belirlenmiş ve bu ağırlıklar doğrultusunda her boru hattına ilişkin risk skorları hesaplanarak dört farklı risk grubuna ayrılmıştır: Düşük, Orta, Yüksek ve Çok Yüksek. Bu risk grupları, makine öğrenmesi algoritmaları ile sınıflandırılmış ve modellerin doğruluk performansları değerlendirilmiştir. Rastgele Orman, Lojistik Regresyon, Destek Vektör Makineleri (SVM), Karar Ağaçları ve Voting Classifier gibi denetimli öğrenme yöntemlerinin yanı sıra, gözetimsiz öğrenme tekniklerinden K-Means algoritması da analiz sürecine dahil edilmiştir. Kümelenme analizinde Elbow ve Silhouette yöntemleri kullanılarak en uygun küme sayısı belirlenmiş ve altyapı hatlarının risk düzeylerine göre mekânsal dağılımları haritalanmıştır. Elde edilen sonuçlar, Coğrafi Bilgi Sistemleri (CBS) ortamında görselleştirilmiş ve altyapı bakım-onarım planlamaları için mekânsal karar destek imkânı sunan bir yapı oluşturulmuştur. Geliştirilen bu sistem, altyapı yönetiminde veri temelli, objektif ve dinamik bir yaklaşım sunarak hizmet kalitesini ve müdahale etkinliğini artırmayı hedeflemektedir.
Özet (Çeviri)
In urban areas, the rapid increase in population, industrial density, and the aging of infrastructure systems have led to a rise in the number and severity of failures in drinking water networks. This situation has become a significant challenge for sustainable water management. Monitoring water infrastructure, conducting risk prioritization, and planning interventions necessitate the use of modern decision support technologies. In this context, a geographically-based decision support system supported by artificial intelligence techniques was designed using drinking water pipeline failure data from eight districts of Kocaeli province. During the analysis process, parameters such as failure frequency, pipe age, material type, and pavement type were considered, and preprocessing, normalization, and reclassification procedures were applied. The importance levels of the criteria were determined using the Analytic Hierarchy Process, and risk scores were calculated for each pipeline based on these weights. These scores were then categorized into four distinct risk groups: Low, Medium, High, and Very High. These risk groups were classified using machine learning algorithms, and the performance of the models was evaluated in terms of accuracy. In addition to supervised learning methods such as Rastgele Orman, Logistic Regression, Support Vector Machines (SVM), Decision Trees, and Voting Classifier, the unsupervised K-Means clustering algorithm was also employed. The optimal number of clusters was determined using the Elbow and Silhouette methods, and the spatial distribution of infrastructure risks was mapped accordingly. The results were visualized in a Geographic Information System (GIS) environment, creating a spatial decision support framework for infrastructure maintenance and planning. The developed system aims to enhance service quality and intervention efficiency by providing a data-driven, objective, and dynamic approach to infrastructure management.
Benzer Tezler
- Uzaktan çok kaynaklı ölçümler yoluyla varlık verilerinin güvenilirliği
Uzaktan çok kaynakli ölçümler yoluyla varlik veri̇leri̇ni̇n güveni̇li̇rli̇ği̇
SALİHCAN KARAMAN
Yüksek Lisans
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Raylı sistemlerde dijital ikiz teknolojisi ile bim, gis ve iot tabanlı gerçek zamanlı izleme altyapısının geliştirilmesi
Development of a real time monitoring infrastructure based on bim, gis and iot using digital twin technology in rail systems
TOLGA BOZKURT
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER