Ann-based hazard screening for project-scale climate change risk assessments (CCRA)
Proje ölçeğinde iklim değişikliği risk değerlendirmeleri (CCRA) için ysa (ANN) tabanlı tehlike taraması
- Tez No: 991340
- Danışmanlar: PROF. DR. İPEK İMAMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Çevre, İklim değişikliği, Environment, Climate change
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İklim tehlikelerinin şiddetlenmesi nedeniyle iklim değişikliği, altyapı ve kalkınma projeleri için giderek daha fazla maddi bir risk olarak kabul edilmektedir. Equator Principles 4 (EP4) gibi çerçeveler, finansman sürecinin bir parçası olarak, yüksek riskli projelerin Çevresel ve Sosyal Etki Değerlendirmeleri (ÇSED) ile birlikte İklim Değişikliği Risk Değerlendirmeleri (CCRA) gerçekleştirmesini zorunlu kılar. Ancak proje ölçeğindeki CCRA'lar için yaygın biçimde kullanılan EP4 rehberliği, tehlike koşullarının nicel olarak belirlenmesine yönelik standart bir yöntem sunmadığından, benzer projeler arasında veri seçimi, mekânsal ve zamansal ölçekler ile tarama (screening) kriterlerinde farklılıklara yol açabilmektedir. CCRA iş akışlarının başlangıç aşamasındaki öznel değerlendirmeyi azaltmak amacıyla bu tez, kamuya açık iklim göstergelerini kullanarak proje ölçeğinde taşkın tehlikesi taraması için gösterge-temelli, denetimli makine öğrenmesini önermektedir. ERA5-Land tarihsel verileriyle bir Yapay Sinir Ağı (ANN) sınıflandırıcısı eğitilmiş; sınıf dengesizliğinin ele alınması ve gösterge seçiminin etkilerini incelemek üzere alternatif model kurulumları test edilmiştir. Seçilen model daha sonra 2026–2055 dönemi için SSP2-4.5 ve SSP5-8.5 senaryoları altındaki CMIP6 iklim projeksiyonlarıyla çalıştırılmış ve Vietnam'ın An Giang bölgesinde hipotetik bir proje konumunu içeren CMIP6 grid hücresi ölçeğinde değerlendirilmiştir. Model çıktıları tarama düzeyinde yorumlanmış ve“dahil et/dışla”kararına dönüştürülmüştür. Genel olarak öneri, proje ölçeğindeki CCRA'larda tehlike taraması için nicel ve şeffaf bir temel sunmaktadır.
Özet (Çeviri)
Climate change is increasingly recognized as a material risk to infrastructure and development projects due to the intensification of climate hazards. Frameworks such as the Equator Principles 4 (EP4) require high-risk projects to undertake Climate Change Risk Assessments (CCRAs), alongside Environmental and Social Impact Assessments (ESIAs) as part of the financing process. The widely adopted EP4 guidance for project-level CCRAs does not provide a standardized method for quantifying hazard conditions, which can lead to variability in data selection, spatial and temporal scales and screening criteria across comparable projects. To reduce subjectivity at the initial stage of CCRA workflows, this thesis proposes an indicator-based, supervised machine learning tool for flood hazard screening at the project level using publicly available climate indicators. An Artificial Neural Network (ANN) classifier was trained using ERA5-Land historical data, and alternative model configurations were tested to examine the effects of class-imbalance handling and indicator selection. The selected model was then driven by CMIP6 climate projections under SSP2-4.5 and SSP5-8.5 for the period 2026–2055, evaluated at the scale of the CMIP6 grid cell containing a hypothetical project location in An Giang, Vietnam. Model outputs were interpreted at screening level and translated into a screen-in/screen-out decision. Overall, a quantitative and transparent basis for hazard screening within project-level CCRAs is proposed.
Benzer Tezler
- Betonarme binaların Türkiye Bina Deprem Yönetmeliği 2018 ve riskli yapıların tespiti analizlerinin hızlı görsel inceleme metotları ile karşılaştırılması ve yapay sinir ağları yöntemi ile model geliştirilmesi
Comparison of reinforced concrete building analyses in accordance with the Turksih Building Earthquake Code 2018 and the risky building assesment using rapid visual screening methods and artificial neural network model development
MELİKE GÜNGÖR YÜCEKAYA
Doktora
Türkçe
2025
İnşaat MühendisliğiZonguldak Bülent Ecevit Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEMDUH KARALAR
DR. ÖĞR. ÜYESİ NECATİ MERT
- Verification of rapid earthquake risk identification studies with earthquake performance analysis
Hızlı deprem risk tespit çalışmalarının deprem performans analizi ile doğrulanması
KADİR AKMAN
Yüksek Lisans
İngilizce
2026
Deprem MühendisliğiGebze Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÜLGEN MERT
- Pulmoner embolisi olan kanserli hastalar ve kanseri olmayan hastaların karşılaştırmasında kanserin mortalite ve morbiditeye etkisi
Tthe impact of cancer on mortality and morbidity in patients with pulmonary embolism: A comparison between cancer and non-cancer patients"
BEDİA KARAÇADIR
Tıpta Uzmanlık
Türkçe
2025
Göğüs HastalıklarıAkdeniz ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. TÜLAY ÖZDEMİR
- Karabük ilinde deprem tehlike ve riskinin YSA ve AHS ile modellenmesi
Modelling earthquake hazard and risk in Karabük province with ANN and AHP
GÜNEY ORTAÇ
Doktora
Türkçe
2026
CoğrafyaÇankırı Karatekin ÜniversitesiCoğrafya Ana Bilim Dalı
PROF. DR. BARIŞ TAŞ
DOÇ. DR. MUSTAFA MURAT KALE
- Human factor based advanced driver-assistance system (ADAS) design for electric vehicle
Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı
DAĞHAN DOĞAN
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA