<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Makine öğrenmesi ve açıklanabilir yapay zeka yaklaşımı ile baraj doluluk oranının tahmini; Kastamonu - Germeçtepe barajı örneği

dc.contributor.authorÇelik, Uğur
dc.date.accessioned2026-11-19T07:53:40Z
dc.date.issued2026
dc.description.abstractBu çalışmada, Kastamonu ilinde bulunan Germeçtepe Barajı'nın günlük aktif doluluk oranının farklı makine öğrenmesi algoritmaları kullanılarak tahmin edilmesi ve meteorolojik değişkenlerin model üzerindeki etkilerinin açıklanabilir yapay zekâ yöntemleri ile değerlendirilmesi amaçlanmıştır. Araştırmada 01 Ocak 2008–31 Aralık 2025 dönemine ait toplam 6574 günlük gözlem kullanılmıştır. Bağımlı değişken olarak günlük aktif doluluk oranı; bağımsız değişkenler olarak ise bir önceki güne ait aktif doluluk oranı (Lag-1), günlük ortalama sıcaklık, günlük toplam yağış, ortalama nispi nem ve ortalama aktüel basınç verileri modele dahil edilmiştir. Doğrusal Regresyon, Karar Ağacı, Random Forest ve XGBoost algoritmaları uygulanmış, ağaç tabanlı modellerde hiperparametre optimizasyonu gerçekleştirilmiştir. Model performansları MAE, RMSE ve R² ölçütleri kullanılarak değerlendirilmiş; en başarılı model üzerinde Feature Importance, Permutation Importance, SHAP ve Partial Dependence Plot analizleri uygulanmıştır. Elde edilen sonuçlara göre optimize edilmiş Random Forest modeli en başarılı algoritma olmuş ve test veri setinde MAE=0,3994, RMSE=0,6718 ve R²=0,9993 değerleri elde edilmiştir. Açıklanabilir yapay zekâ analizleri, model tahminlerinde en yüksek katkıya sahip değişkenin Lag-1 olduğunu göstermiştir. Lag-1 değişkeni model dışında bırakıldığında ise meteorolojik değişkenler arasında günlük ortalama sıcaklığın en etkili değişken olduğu belirlenmiştir. SHAP ve PDP analizleri, meteorolojik değişkenlerin aktif doluluk oranı üzerindeki etkilerinin doğrusal olmadığını ortaya koymuştur. Sonuç olarak, optimize edilmiş Random Forest algoritmasının Germeçtepe Barajı'nın günlük aktif doluluk oranının tahmininde güvenilir sonuçlar verdiği belirlenmiştir. Ayrıca açıklanabilir yapay zekâ yöntemlerinin kullanılması sayesinde yalnızca model performansı değil, modelin karar mekanizması da ayrıntılı biçimde yorumlanmıştır. Çalışmanın, rezervuar yönetimi ve su kaynakları planlamasında karar destek sistemlerinin geliştirilmesine katkı sağlayacağı değerlendirilmektedir.
dc.identifier.citationÇELİK, U. (2026). Makine öğrenmesi ve açıklanabilir yapay zeka yaklaşımı ile baraj doluluk oranının tahmini; Kastamonu - Germeçtepe barajı örneği (Tez No. 1029533) [Yüksek lisans tezi, KASTAMONU ÜNİVERSİTESİ]. Ulusal Tez Merkezi.
dc.identifier.urihttps://hdl.handle.net/20.500.12597/44919
dc.language.isotr
dc.publisherKastamonu Üniversitesi
dc.subjectMakine Öğrenmesi
dc.subjectRandom Forest
dc.subjectXGBoost
dc.subjectAçıklanabilir Yapay Zekâ
dc.subjectSHAP
dc.subjectRezervuar Yönetimi
dc.subjectAktif Doluluk Oranı
dc.subjectMachine Learning
dc.subjectExplainable Artificial Intelligence
dc.subjectReservoir Management
dc.subjectActive Reservoir Storage Ratio
dc.titleMakine öğrenmesi ve açıklanabilir yapay zeka yaklaşımı ile baraj doluluk oranının tahmini; Kastamonu - Germeçtepe barajı örneği
dc.title.alternativeEstimation of reservoir storage ratio using machine learning and explainable artificial intelligence: a case study of Germectepe dam, Kastamonu
dc.typemasterThesis

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
10819514.pdf
Size:
2.04 MB
Format:
Adobe Portable Document Format

Collections