Yazarlar
Yayınlar
- Yüksek Lisans TeziAçık Erişim2026Su gövdelerindeki değişimlerin otomatik olarak tespit edilmesi ve analizi
Ozan Kiyat
Uzaktan algılama tarım, orman, bitki örtüsü ve su gibi farklı alanlarda sıklıkla kullanılmaktadır. Göllerde su yüzeyindeki değişimler, ekosistemler ve sürdürülebilir su kaynaklarının yönetimi açısından elzemdir. Bu çalışma, uydu görüntüleri kullanılarak Türkiye’de farklı oluşum kökenlerine ve su kimyalarına sahip 10 gölün (Akşehir, Eber, Tuz, Salda, Manyas, İznik, Van, Beyşehir, Eğirdir, Burdur) 1984–2025 yılları arasındaki göl su yüzey alanı değişimini otomatik olarak tespit etmeyi amaçlamaktadır. Çalışmanın temel veri kaynağını Landsat 5 TM, Landsat 8 OLI/TIRS, Landsat 9 OLI-2/TIRS-2 ve Sentinel-2 MSI uydu görüntüleri oluşturmaktadır. CHIRPS yağış verileri ile ERA5-Land potansiyel buharlaşma verileri hidroklimatik değerlendirmeleri desteklemek amacıyla kullanılmıştır. Veriler, Google Earth Engine platformunda işlenmiştir. Su yüzeylerinin sınıflandırılmasında spektral indeksler ve Otsu eşikleme yöntemi kullanılmış; bu kapsamda Modifiye Edilmiş Normalize Edilmiş Fark Su İndeksi (MNDWI), Normalize Fark Bitki Örtüsü İndeksi (NDVI), Normalize Fark Su İndeksi (NDWI) ve Otomatik Su Çıkarma İndeksi (AWEI) hesaplanmıştır. Ayrıca tüm analiz yıllarında (1984, 1990, 1995, 2000, 2005, 2010, 2015, 2020, 2025) Rastgele Orman (RO), Destek Vektör Makineleri (DVM), Sınıflandırma ve Regresyon Ağacı (CART) ve K-En Yakın Komşu (KNN) makine öğrenmesi algoritmaları uygulanmıştır. Göllerin su yüzey alanlarında anlamlı azalmalar tespit edilmiştir. En çarpıcı düşüşler, yüzey alanının tamamını yitiren (%100) Akşehir Gölü’nde ve alanının %93,68’ini kaybeden Tuz Gölü’nde gözlemlenmiştir. Makine öğrenmesi algoritmaları arasında RO modeli, %99,25 genel doğrulukla en yüksek sınıflandırma başarısını göstermiştir. Bu çalışma, farklı oluşum ve özelliklere sahip göllerin izlenmesi için genelleştirilebilir ve güncellenebilir bir uzaktan algılama iş akışı sunmaktadır. Ayrıca sürdürülebilir su kaynakları yönetimi için farklı disiplinlere bilimsel bir altlık sağlamaktadır.
- Yüksek Lisans TeziAçık Erişim2026Çayeli (Rize) ilçesinde jeofizik verilerle bütünleşik heyelan duyarlılığı ve risk haritalarının oluşturulması
Zehra Sürül
Bu çalışmada, Çayeli ilçesinde heyelan duyarlılığının belirlenmesi amacıyla makine öğrenmesi tabanlı bütünleşik bir analiz gerçekleştirilmiştir. Çalışmada topoğrafik, hidrolojik, jeolojik, iklimsel ve sismik/jeoteknik faktörler birlikte değerlendirilmiş; AFAD, MTA, CORINE, OpenStreetMap ve sayısal yükseklik modeli verileri kullanılmıştır. Ayrıca Çayeli Belediyesi’nden temin edilen 55 adet jeolojik-jeoteknik rapor incelenmiş ve jeofizik veriler CBS ortamında modele dahil edilmiştir. Toplam 28 koşullayıcı faktör oluşturulmuş, VIF analizi sonucunda yüksek doğrusal bağlantıya sahip değişkenler çıkarılarak modelleme süreci 22 faktör üzerinden yürütülmüştür. Lojistik Regresyon, Rastgele Orman, XGBoost, LightGBM, SVM ve YSA dahil olmak üzere on farklı makine öğrenmesi algoritması karşılaştırılmıştır. Modeller 5 katlı çapraz doğrulama ve bağımsız test veri seti ile değerlendirilmiştir. Son aşamada SHAP analizi uygulanarak faktörlerin model tahminlerine etkisi yorumlanmıştır. Elde edilen sonuçlar doğrultusunda heyelan duyarlılık haritaları üretilmiş ve çalışma alanındaki mevcut heyelanlarla yüksek mekânsal uyum gösterdiği belirlenmiştir. Çalışma, makine öğrenmesi ve açıklanabilir yapay zekâ yöntemlerinin heyelan duyarlılık analizlerinde etkili sonuçlar sunduğunu ortaya koymuştur.
- Yüksek Lisans TeziAçık Erişim2024Elastic stack ve makine öğrenmesi ile IoT güvenliği: Dos saldırılarına karşı akıllı savunma sistemi
Tuğrul Yağbasan
Teknolojinin gelişmesiyle IoT cihazların kullanımı artmaktadır. Bu cihazlar, iletişim kurma ve veri toplama gibi yeteneklerle endüstriyel, sağlık, ulaşım gibi birçok alanda kullanılmaktadır. Ancak, bu cihazların artan kullanımı, siber saldırıların da artmasına neden olmaktadır. Geçmişte Mirai botnet saldırıları gibi örnekler, IoT cihazlarının güvenliğinin ne kadar kritik olduğunu göstermiştir. Bu nedenle, çalışmada Elastic Stack, makine öğrenmesi ve derin öğrenme teknolojilerinin kullanımıyla IoT cihazlarının güvenliğini artırmaya yönelik akıllı savunma sistemi geliştirilmesi amaçlanmıştır. Çalışmada Bot-IoT ve Unsw-IoT-B datasetleri kullanılarak atakların belirlenmesi üzerine yoğunlaşılmıştır. Çalışmada makine öğrenmesi yöntemlerinden random forest, Decision Tree (Information Gain), Decision Tree (Gini Index), Naive Bayes teknikleri kullanılmıştır. Derin öğrenme yöntemlerinden Lstm, Rnn ve Svm kullanılarak datasetleri üzerinde atak ve atak tipleri tespiti gerçekleştirilmiştir. Tasarlanan modelde makine öğrenmesi yöntemleriyle %0.9998 lik başarım oranları yakalanmış olup derin öğrenme yöntemleriyle %0.98 lik doğruluk oranı elde edilmiştir. Bu modelle birlikte yapay zeka destekli saldırı tespit sistemlerinin IoT cihazlarının güvenliklerinde faydalı olacağını göstermektedir.
- Yüksek Lisans TeziAçık Erişim2021Deprem sonrası hasarlı yolların yapay zekâ ile tespit edilerek en kısa yol güzergâhlarının anlık optimizasyonu
Nurcan Şimşek
Doğa kaynaklı afetlerden biri olan depremlerden sonra hasarlı yolların belirlenmesi ve hasar görmemiş uygun yolların bulunması, kurtarma işlemlerinin yürütülmesinde, insanların etkilenen bölgeden en kısa sürede tahliyesinde ya da insani yardım malzemelerinin bölgeye sevk edilmesinde hayati önem taşımaktadır. Günümüzde kullanılan geleneksel insan gözlemi ve uydu görüntüleri ile yapılan yol hasarı değerlendirmeleri zaman alıcı ve maliyetli olmalarının yanı sıra sadece yollarda bulunan hasarları inceleyerek afet bölgelerine ulaşabilmek için trafik geçişi hakkında herhangi bir bilgi içermemektedirler. Bu çalışmada; depremlerden sonra meydana gelen yol hasarlarının otomatik belirlenip afet bölgelerine yakın başka bir güzergâhın belirlenmesi için evrişimli sinir ağı ve klasik en kısa yol algoritmasının birbirine entegrasyonu ile hızlı ve verimli bir hibrit taşıma sistemi oluşturulmuştur. CNN algoritması hasarlı ve hasarsız olmak üzere toplamda 552 yol görüntülerinden oluşan veri setinde eğitilerek VGG-16 mimarisi ile gerçekleştirilen test sonrasında %97 oranında doğruluk elde etmeyi başarmıştır. CNN algoritmasının açık yol ve kapalı yol olarak yapmış olduğu tahminler ile klasik en kısa yol algoritması üzerinden hasar gören yollar, kullanılan ceza terimi ile çıkartılıp tüm kullanılabilir güzergâhlar arasından en kısa mesafeli olan güzergâh belirlenmiştir. Bu iki algoritmanın birbirine entegrasyonu ile hızlı ve verimli bir hibrit taşıma sistemi oluşturularak başarılı sonuçlar elde edilmiştir.
- Doktora TeziAçık Erişim2019İşletmelerde finansal başarısızlığın makine öğrenme yöntemleri ve Altman Z-skoru ile tahmin edilmesi
Şafak Sönmez Soydaş
Bir ülkede faaliyette bulunan firmaların hem kendi varlıklarını devam ettirebilmeleri hem de ülke ekonomisine sağlayacakları faydalar son derece önemlidir. Dünya ekonomilerin küreselleşmesi ve bunu sonucunda dünyada oluşan ekonomik krizlerin devletlerin ekonomilerini ve faaliyette bulunan işletmeleri olumsuz olarak etkilemektedir. Tüm bu durumlar çerçevesinde halı hazırda faaliyette bulunan işletmelerin bu krizlerden etkilenmemesi veya daha az etkilenmesi için işletmelerin finansal olarak iyi yönetilmesi ve başarısızlıktan önce gerekli tedbirleri almaları zorunlu hale gelmiştir. Çalışmanın amacı, finansal başarısızlığın tahmin edilmesi için Borsa İstanbul'da faaliyette bulunan imalat sanayi sektöründeki 178 firmanın 2015-2019 yılları arasındaki mali verileri 24 finansal oran kullanılarak makine öğrenme yöntemleri ve Altman Z-Skoru yöntemini karşılaştırmalı analize tabi tutmak ve finansal başarısızlıktan 1, 2, 3, 4 ve 5 yıl öncesine kadar finansal başarısızlık tahmin modelleri oluşturmaktır. Yapılan karşılaştırmalı analiz sonucunda, Borsa İstanbul'da faaliyette bulunan firmaların Altman Z-Skoru başarısızlıktan 5 yıl öncesine kadar tahmin sonuçları oldukça düşük çıkmıştır. Makine öğrenme yöntemleri ise Altman Z-Skoruna göre çok iyi sonuçlar vermiştir. Makine öğrenme modelleri arasında ise Random Forest (rastgele orman) yöntemi başarısızlıktan 1, 2, 3, 4 ve 5 yıl öncesine kadar oldukça iyi sonuçlar vermiştir. Sırasıyla yapay sinir ağları, destek vektör makinaları ve karar ağaçları yine de Altman Z-Skoruna göre çok iyi tahmin sonuçları elde etmiştir.
- Yüksek Lisans TeziAçık Erişim2019Hisse senedi fiyatlarının makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları ile tahmini
Uğur Demirel
Türkiye gibi gelişmekte olan ekonomiler açısından menkul kıymetler piyasasının fiyat tahminlerinin yapılması oldukça önemlidir, ancak piyasalarda her türlü spekülatif hareketin yaşanması bu borsalarda iniş ve çıkışların çok yüksek olmasına neden olmaktadır. Bu durum yatırımcıların hisse senedi fiyat hareketlerini tahmin edebilmelerini güçleştirmekte ve dolayısıyla yatırımlarını doğru değerlendiremedikleri için kayıplar yaşamalarına sebep olmaktadır. Bu nedenle yatırımcılar gelecekteki hisse senedi fiyatlarını doğru tahmin edebilmek için çeşitli yöntem ve metotlar kullanma ihtiyacı hissetmektedirler. Son zamanlarda bu tahminlerin elde edilmesinde makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları diğer alanlarda olduğu gibi finans alanında da sıkça kullanılmaya başlanmıştır. Bu çalışmada, veri seti olarak Borsa İstanbul Ulusal-100 Endeksi (BIST 100)'de işlem gören firmaların hisse senetlerinin günlük 2. seans açılış ve kapanış fiyatlarına ilişkin Ocak 2010 ile Ocak 2019 tarihleri arasındaki veriler kullanılmıştır. Çalışmada makine öğrenmesi ve derin öğrenme ışığında bu hisse senetlerinin açılış ve kapanış fiyatlarının tahmin edilmesi amaçlanmaktadır. Bu kapsamda tahminleme modeli oluşturabilmek adına Çok Katmanlı Algılayıcılar (ÇKA) ve Destek Vektör Makineleri (DVM) gibi klasik makine öğrenimi yöntemleri ve Uzun Kısa Dönemli Hafıza (UKVH) yöntemi gibi derin öğrenme algoritmaları kullanılmaktadır. Çalışmanın sonucunda ÇKA ve UKVH ağlarının DVM'lerine göre daha tutarlı tahminler yaptığı tespit edilmiştir. Bu sonuç analizlerde gruplar arasında fark olup olmadığını gösteren çift kuyruklu t-testi analizi ile de desteklenmiştir.
