Makine öğrenmesi teknikleri kullanılarak toksik alg ve biyotoksin varlığının tahmini
Prediction of toxic algae and biotoxin presenceusing machine learning techniques
- Tez No: 610545
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Su Ürünleri, Computer Engineering and Computer Science and Control, Aquatic Products
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde deniz suyunda yapılan analizlerdeki toksik alg türlerinin, midye gibi kabuklu deniz ürünlerinde tespit edilen biyotoksin ile arasında var olduğu düşünülen korelasyonun ortaya çıkarılması amaçlanmış olup, bunun yanında su ve midye üzerinde yapılan analizlerin bu duruma etkisi incelenmiştir. Midyelerde biriken biyotoksin, midyeyi tüketen insanlar için ciddi bir tehlikedir. Biyotoksin ve toksik fitoplankton varlığının tahmini de bu çalışmanın temelindedir. Üretim şartlarının sağlanması için zamana, deniz suyu ve midye analizleri için ise yüksek harcamalara ihtiyaç duyulmaktadır. Bu çalışmada ise biyotoksin ve toksik fitoplankton varlığının tahmini ile bu harcamaların önüne geçilebilineceği düşünülmektedir. Burada yapılan tahminler makine öğrenmesi teknikleri ile gerçekleştirilmiştir. Bu çalışma için yaklaşık 3 yıllık bir veri ele alınmıştır. Veri içeriğinde midyeden ve sudan alınan örneklerin fiziksel, kimyasal ve biyolojik analiz sonuçları bulunmaktadır. Mevcut veriye bakıldığında bir dengesizlik gözlenmektedir. Yani biyotoksin varlığına çok az rastlanmıştır. Bu durum literatürde“dengesiz veri”(imbalanced data) olarak adlandırılmaktadır. Dolayısıyla veri dengeli bir hale getirildikten sonra üzerinde makine öğrenmesi çalışmaları yapılmıştır. Yapılan çalışmalar neticesinde en başarılı tahmin, Rastgele Orman metodu ile elde edilmiştir.
Özet (Çeviri)
In this thesis, it is aimed to reveal the correlation between the toxic algae species and the biotoxin detected in shellfish such as mussels in seawater analysis. In addition, the effect of water and mussel analysis on this situation was examined. The accumulation of biotoxins in mussels is a serious danger for people who consume mussels. Estimation of the presence of biotoxin and toxic phytoplankton is also the basis of this study. Time is needed to meet production conditions and high expenditure is required for sea water and mussel analyzes. In this study, it is thought that these expenditures can be prevented by estimating the presence of biotoxin and toxic phytoplankton. Estimates made here are made by machine learning techniques. For this study, a data of approximately 3 years has been discussed. Physical, chemical and biological analysis results of samples from mussel and water is available in the data content. An imbalance is observed in the current data. In other words, the presence of biotoxin is very rare. This is called imbalanced data in the literature. Therefore, after the data was stabilized, machine learning studies were carried out. As a result of the studies, the most successful estimation was obtained by the Random Forest method.
Benzer Tezler
- Hiperspektral görüntüleme ve makine öğrenmesi teknikleri ile küflü kuru incirlerin tahribatsız olarak tespiti
Hyperspectral imaging and machine learning techniques for non-invasive detection of fungal contaminated dried figs
ALİ GÜNEŞ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY AYDOĞAN
- Makine öğrenmesi teknikleri kullanılarak çocukluk çağı dikkat eksikliği ve hiperaktivite bozukluğunun tahmin edilmesine yönelik uzman sistem tasarımı
Expert system design for the prediction of attention deficit and hyperactivity disorder in childhood using machine learning techniques
HANİFE GÖKER
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. HAKAN TEKEDERE
- Makine öğrenmesi teknikleri kullanılarak kredi risk analizi
Credit risk analysis using machine learning techniques
ÖMER YAVUZ CAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET GÜRHANLI
- Makine öğrenmesi teknikleri kullanılarak nörodejeneratif hastalık tespiti ve derecelendirmesi
Neurodegenerative disease detection and rating using machine learning techniques
ÇAĞATAY BERKE ERDAŞ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE SÜMER
ÖĞR. GÖR. SEDA KİBAROĞLU
- Makine öğrenmesi teknikleri kullanılarak hasta öyküsü ve fiziki bulgulardan pnömoni prognoz öngörüsünün yapılması
Prediction of pneumonia prognosis with machine learning techniques from patient history and physical examination
AHMET FATİH DEVECİ
Yüksek Lisans
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiSağlık Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHSİN ZAHİD UĞUR