Data mining and machine learning in environmental informatics
Çevresel enformatikte veri madenciliği ve makine öğrenmesi
- Tez No: 663012
- Danışmanlar: DOÇ. DR. DERYA BİRANT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Birliktelik kural madenciliği, Kümeleme, Makine öğrenmesi, Regresyon, Sınıflandırma, Veri madenciliği, Zaman serileri, Association rule mining, Clustering, Machine learning, Regression, Classification, Data mining, Time series
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çevresel enformatik, günümüzde, veri işleme ve analizi için veri madenciliği ve makine öğrenimi tekniklerinin sıklıkla kullanıldığı alanlardan biridir. Bu tezde, farklı konulardaki çevresel verileri içeren birkaç vaka çalışması, veri madenciliği ve makine öğrenmesi kapsamında farklı görevlerde (sınıflandırma, regresyon, kümeleme, birliktelik kuralı madenciliği, zaman serileri) incelenmiştir. Hava kalitesi izleme istasyonlarından elde edilen veriler ve meteorolojik veriler incelenerek belirli bir hava kalitesi izleme istasyonunun hangi istasyon tipine (endüstriyel, kırsal veya kentsel) ait olduğunun belirlenmesi, istasyonların benzerliklerine göre en doğru şekilde kümeleme uygulamasının yapılması deneysel çalışmaların belirli bir kısmını oluşturmaktadır. Ayrıca, hava kirletici maddeler ve meteorolojik faktörler arasındaki ilişkiler birliktelik analizi kapsamında detaylı bir şekilde incelenerek ilişki kuralları çıkarılmıştır. Diğer yandan, çeşitli derinliklerde toprak sıcaklığı tahmini için regresyon ve zaman serisi analizleri yapılmıştır. Hava ve toprak kaynaklı problemleri çözmek için önerilen yöntemler şu şekildedir: (i) yeni bir topluluk öğrenmesi yöntemi olan Geliştirilmiş Torbalama (eBagging), (ii) yarı denetimli yeni bir yöntem olan Kendi Kendine Eğitim Yoluyla Toprak Sıcaklığı Tahmini (STST), (iii) birden fazla görevi birlikte ele almak için önerilen Çoğunluk Oylamasına Dayalı Çok Görevli Kümeleme (MV-MTC), (iv) yeni bir ağırlıklı birliktelik kuralı madenciliği türü olan WARM ve (v) yeni bir toprak yönetim uygulaması olan Çok Görünümlü Çok Derinlikli Toprak Sıcaklığı Tahmini (MV-MD-STP)'dir. Deneysel sonuçlara bakıldığında, önerilen yeni yöntemlerin karşılaştırıldıkları son teknoloji yöntemlerden daha iyi performans gösterdiği ve çevre sorunlarına etkili çözümler sunduğu açıktır.
Özet (Çeviri)
Nowadays, environmental informatics is one of the fields where data mining and machine learning techniques for data processing & analysis are frequently used today. In this thesis, several case studies including environmental data on different subjects were conducted for different tasks (classification, regression, clustering, association rule mining, time series) under data mining and machine learning. Examining the data obtained from air quality monitoring stations and meteorological data, determining which station type (industrial, rural, or urban) a particular air quality monitoring station belongs to, and making the most accurate clustering application according to the similarities of the stations are a certain part of the experimental studies. In addition, the relations between air pollutants and meteorological factors were examined in detail within the scope of association rule mining analysis, and the relationship rules were drawn. On the other side, regression and time series analysis for soil temperature prediction at various depths were performed. The proposed methods to handle air and soil-related problems are as follows: (i) Enhanced Bagging (eBagging) which is a new ensemble learning method, (ii) Soil Temperature Prediction via Self-training (STST) which is a new semi-supervised learning method, (iii) Majority Voting Based Multi-Task Clustering (MV-MTC) which is proposed to consider multiple tasks jointly, (iv) WARM which is a new type of weighted association rule mining, and (v) Multi-View Multi-Depth Soil Temperature Prediction (MV-MD-STP) which is a new soil management framework. Considering the experimental results, it is clear that the newly proposed methods performed better than the other state-of-the-art methods they were compared to and offered effective solutions to environmental problems.
Benzer Tezler
- Highway traffic classification using data mining in machine learning
Başlık çevirisi yok
KHALID FARHAN MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Alışveriş merkezleri için çeşitli çevresel faktörlere göre müşteri adedi tahminleme çalışması
Estimation of customer numbers for shopping centers according to various environmental factors
ÇAĞATAY ÖZDEMİR
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZİ ÇEVİK ONAR
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- Yüz veritabanı uygulaması yapılandırması ve yüz özniteliklerinde öğrenme yöntemlerinin veritabanına uygulanması
Face database application implementation and applying learning methods on face features to database
GİZEM İREM KOZAN
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. TAYFUN AKGÜL
- Sağlık harcamaları belirleyicilerinin veri madenciliği yöntemleri ile modellenmesi
The modeling of determinants of health expenditures using data mining methods
MELİHA MELİŞ GÜNALTAY
Doktora
Türkçe
2024
Sağlık YönetimiAnkara ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. GÜLBİYE YAŞAR