Makine öğrenmesi teknikleri kullanılarak heyelan duyarlılık haritalarının üretilmesi: İnegöl (Bursa) örneği
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, GEOMATİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: ELİF GÜLER
Danışman: Cevdet Coşkun Aydın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez çalışmasında, Bursa ili İnegöl ilçesi için heyelan duyarlılığının belirlenmesine yönelik bir çalışma gerçekleştirilmiştir. Çalışma kapsamında, heyelan oluşumuna etki eden 13 çevresel faktör (eğim, bakı, yükselti, litoloji, toprak grubu, NDVI, arazi kullanımı, yağış, fay hattına, akarsuya ve yola uzaklık, eğrisellik ve topografik nemlilik indeksi) Coğrafi Bilgi Sistemleri (CBS) ortamında analiz edilerek her biri 5 sınıfa yeniden sınıflandırılmış ve tematik uygunluk haritaları üretilmiştir. Çalışma alanında baskın faktör sınıfı belirlenerek sınıflandırma algoritmalarına girdi veri seti hazırlanmıştır. Sınıflandırma sürecinde dört farklı makine öğrenmesi algoritması olan Lojistik Regresyon (LR), Destek Vektör Makineleri (DVM), LightGBM ve Rastgele Orman (RO) karşılaştırmalı olarak kullanılmıştır. Modellerin başarısı doğruluk, kesinlik, duyarlılık, F1 skoru gibi metriklerle değerlendirilmiştir. Analiz sonuçlarına göre, Rastgele Orman (Random Forest) algoritması %98 doğruluk, %98 kesinlik, %98 duyarlılık ve %98 F1 skoru ile en yüksek başarıyı göstermiştir. Çalışma, Rastgele Orman algoritmasının mekânsal veri analizlerinde yüksek performans sunduğunu ve CBS ile entegre edildiğinde heyelan risk haritalamasında güvenilir bir yaklaşım sunduğunu ortaya koymuştur. Üretilen duyarlılık haritası, afet risklerinin azaltılması ve arazi kullanım planlamasında karar destek aracı olarak değerlendirilebilecek niteliktedir.