Geri Dön

Tarımsal sera gazı emisyonlarının makine öğrenmesi algoritmaları ile tahmini

Prediction of agricultural greenhouse gas emissions using machine learning algorithms

PDF İndir

  1. Tez No: 987812
  2. Yazar: YUNUS EMRE ÖZDEMİR
  3. Danışmanlar: DOÇ. DR. ZEYNEP CEYLAN, PROF. DR. VEDAT CEYHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Endüstri mühendisliği, Industrial engineering
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Samsun Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tarım sektörü; metan (CH4), diazot monoksit (N2O) ve diğer sera gazı emisyonlarının başlıca kaynakları arasında yer almakta olup, bu emisyonların doğru biçimde tahmin edilmesi sürdürülebilir tarımsal politikaların geliştirilmesi açısından kritik öneme sahiptir. Ancak tarımsal sera gazı emisyonları; hayvan popülasyonu, gübre kullanımı, tarımsal üretim süreçleri ve enerji tüketimi gibi çok sayıda etkileşimli faktöre bağlı olarak doğrusal olmayan ve karmaşık bir yapı sergilemektedir. Bu durum, klasik istatistiksel zaman serisi ve regresyon tabanlı yöntemlerin tahmin performansını sınırlandırmakta; esnek ve veri odaklı makine öğrenmesi yaklaşımlarını gerekli kılmaktadır. Bu tez çalışmasında, Türkiye'nin 1990-2023 dönemine ait tarımsal sera gazı emisyonlarının makine öğrenmesi modelleri kullanılarak tahmin edilmesi ve emisyon belirleyicilerinin açıklanabilir yapay zekâ yöntemleri ile analiz edilmesi amaçlanmıştır. Çalışmada; tarımsal enerji tüketimi, kimyasal gübre kullanımı, büyükbaş ve küçükbaş hayvan sayıları, çeltik üretim alanı, tarım alanı büyüklüğü ve tarım ilacı kullanımı değişkenlerini içeren, resmî ulusal ve uluslararası istatistik kaynaklarından derlenen çok boyutlu bir veri seti kullanılmıştır. Analizlerde Gauss Süreç Regresyonu (GPR), Destek Vektör Regresyonu (SVR), Topluluk Öğrenmesi (Ensemble) ve Karar Ağacı (Tree) modelleri değerlendirilmiş; tüm modellerin hiperparametreleri Bayes optimizasyonu (BO) yöntemi ile optimize edilmiştir. Elde edilen bulgular, Bayes optimizasyonu ile iyileştirilmiş GPR (BO-GPR) modelinin test veri setinde MAPE: 1.608, RMSE: 0.988, MAE: 0.807 ve R²: 0.988 değerleriyle en yüksek tahmin doğruluğunu sağladığını göstermektedir. Hata dağılımı analizleri, BO-GPR modelinin düşük varyanslı, yanlılık içermeyen ve yüksek kararlılığa sahip bir tahmin yapısı sunduğunu ortaya koymuştur. Tahmin sonuçlarının yorumlanmasına yönelik gerçekleştirilen SHAP analizleri, büyükbaş hayvan sayısının tarımsal sera gazı emisyonları üzerinde en belirleyici değişken olduğunu; bunu küçükbaş hayvan sayısı ve çeltik üretim alanının izlediğini göstermiştir. Sonuç olarak, bu çalışma makine öğrenmesi yöntemlerinin tarımsal sera gazı emisyonlarının yüksek doğrulukla tahmin edilmesinde etkili olduğunu ve özellikle GPR modelinin karmaşık ve doğrusal olmayan tarımsal veri yapılarında üstün bir performans sergilediğini ortaya koymaktadır.

Özet (Çeviri)

The agricultural sector is among the primary sources of methane (CH4), nitrous oxide (N2O), and other greenhouse gas emissions, and the accurate prediction of these emissions is of critical importance for the development of sustainable agricultural policies. However, agricultural greenhouse gas emissions exhibit complex and nonlinear behavior due to the interaction of multiple factors, including livestock population, fertilizer use, agricultural production processes, and energy consumption. This complexity constrains the predictive performance of conventional statistical time-series and regression-based methods, thereby necessitating the adoption of flexible and data-driven machine learning approaches. In this thesis, Turkey's agricultural greenhouse gas emissions for the period 1990-2023 are predicted using machine learning models, and the key emission determinants are analyzed through explainable artificial intelligence techniques. A multidimensional dataset compiled from official national and international statistical sources was employed, incorporating variables such as agricultural energy consumption, chemical fertilizer use, numbers of cattle and small ruminants, rice cultivation area, total agricultural land area, and pesticide use. Gaussian Process Regression (GPR), Support Vector Regression (SVR), Ensemble Learning models, and Decision Tree models were evaluated, and the hyperparameters of all models were optimized using the Bayesian Optimization (BO) method. The findings indicate that the Bayesian Optimization–enhanced GPR (BO-GPR) model achieved the highest predictive accuracy on the test dataset, with a MAPE of 1.608, RMSE of 0.988, MAE of 0.807, and an R² value of 0.988. Error distribution analyses further demonstrate that the BO-GPR model provides a low-variance, unbiased, and highly stable predictive performance. SHAP analyses conducted to interpret the model outputs indicate that the number of cattle is the most influential determinant of agricultural greenhouse gas emissions, followed by the number of small ruminants and the rice cultivation area. In conclusion, this study demonstrates that machine learning approaches are highly effective in accurately predicting agricultural greenhouse gas emissions and highlights the superior performance of the GPR model in capturing the complex and nonlinear characteristics inherent in agricultural data structures.

Benzer Tezler

  1. Tez No

    1012847

    Çeltik tarımından kaynaklı sera gazı emisyonlarının azaltılması ve uzaktan algılama tekniklerinin kullanım olanaklarının araştırılması

    Mitigation of greenhouse gas emissions from rice cultivation and investigation of the potential use of remote sensing techniques

    MEHMET GÜR

    Doktora

    Türkçe

    Türkçe

    2026

    ZiraatTekirdağ Namık Kemal Üniversitesi

    Biyosistem Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ŞENER

  2. Tez No

    802719

    Evaporation modelling of lake Turkana using artificial neural networks (ANNs) based on climate projections

    Turkana Gölü buharlaşma mıktarının iklim projeksıyonlarına dayalı olarak yapay sinir ağları (ANNs) ile modellenmesi

    DIANER CHERONOH BWOGO

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiAnkara Üniversitesi

    Entegre Su Yönetimi Ana Bilim Dalı

    PROF. DR. YEŞİM AHİ

  3. Tez No

    909052

    Determination of greenhouse gas emissions; Case study for a turkish marine technology company

    Sera gazı emı̇syonlarının belı̇rlenmesı̇; Bı̇r Türk denı̇z teknolojı̇sı̇ şı̇rketı̇ ı̇çı̇n uygulama çalışması

    YASİR NUMAN BALÇIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı

    PROF. DR. AYHAN MENTEŞ

  4. Tez No

    798427

    Assessment of GHG emissions from biofuel production by life cycle approach

    Biyoyakıt üretim aşamasında açığa çıkan sera gazı emisyonlarının yaşam döngüsü yaklaşımı ile değerlendirilmesi

    GİZEM ERSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Çevre MühendisliğiHacettepe Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİH AYDINALP KÖKSAL

  5. Tez No

    546331

    Removal of odor emissions from food fermentation and petrochemical production processes with using biological treatment methods

    Gıda fermentasyon ve petrokimya üretim sektörleri kaynaklı koku emisyonlarının biyolojik arıtma yöntemleri ile giderilmesi

    İLKER AKMIRZA

    Doktora

    İngilizce

    İngilizce

    2019

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. KADİR ALP

Geri Dön