Poisson ve negatif binom regresyon modellerinin otoregresif uzantılarıyla deniz kazası sayılarının zamansal modellenmesi: Türk boğazları örneği
Temporal modeling of maritime accident counts using poisson and negative binomial regression models with autoregressive extensions: A case study of the Turkish straits
- Tez No: 974827
- Danışmanlar: DOÇ. DR. ÖYKÜM ESRA YİĞİT, DR. ÖĞR. ÜYESİ KAAN ÜNLÜGENÇOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Gemi Mühendisliği, Denizcilik, İstatistik, Marine Engineering, Marine, Statistics
- Anahtar Kelimeler: Negatif binomial regresyon, Poisson regresyon analizi, Veri yorumlama-istatistiksel, Negative binomial regression, Poisson regression analysis, Data interpretation-statistical
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya ticaret hacminin %80'inden fazlasını oluşturan deniz taşımacılığı, küresel ekonominin temel direklerinden biridir. Özellikle Marmara Denizi ve İstanbul Boğazı gibi yüksek riskli geçiş bölgelerinde deniz trafiğinin artan yoğunluğu, deniz kazalarının hem sıklığında hem de ciddiyetinde artışa yol açmıştır. Bu kazaların karmaşık zamansal dinamiklerini ve altında yatan belirleyicileri anlamak, güvenlik standartlarının iyileştirilmesi ve etkili önleyici politikaların oluşturulması açısından büyük önem taşımaktadır. Bu çalışma, Ekim 2016 ile Aralık 2022 döneminde Marmara Denizi ve İstanbul Boğazı'nda meydana gelen aylık deniz kazalarının zamansal örüntülerini sayma verisi regresyon modelleriyle istatistiksel olarak incelemektedir. Kaza sayılarının ayrık ve aşırı yayılım gösteren yapısı göz önünde bulundurularak, temel Poisson ve Negatif Binom dağılımlarına dayalı regresyon modelleri kullanılmıştır. Ayrıca, veri setindeki zamansal otokorelasyonu hesaba katmak amacıyla, bu modeller birinci dereceden otoregresif (AR(1)) terimleri içeren yapılarla genişletilmiştir. Modelleme çerçevesinde aylık bazda zaman trendini gösteren değişkenler (yıl ve doğrusal trend), üssel hareketli ortalamalar ve gecikmeli kaza sayıları gibi zamana duyarlı değişkenler kullanılmıştır. Model tahmin performansı çeşitli hata ve uyum ölçütleriyle değerlendirilmiş, aşırı yayılım, artık otokorelasyonu ve dağılım varsayımlarına yönelik kapsamlı tanısal testlerle modellerin geçerliliği doğrulanmıştır. Test edilen dört model (Poisson, Negatif Binom, AR(1)-Poisson, AR(1)-Negatif Binom) arasında AR(1)-Poisson modeli, genel olarak en yüksek istatistiksel performansı ve tanısal geçerliliği göstermiş; verinin zamansal yapısını başarıyla yansıtmıştır. Elde edilen bulgular, deniz kazalarının rastlantısal değil, sistematik zamansal örüntüler izlediğini ortaya koymakta ve bu durum, otoregresif sayma verisi modellemesi ile desteklenen zamana duyarlı, hedef odaklı güvenlik önlemlerinin deniz trafiği yönetiminde kritik önem taşıdığını göstermektedir. Bu tez, Türk Boğazları'ndaki deniz güvenliği yönetimine bilimsel temelli bir karar destek altyapısı sunmayı hedeflemektedir.
Özet (Çeviri)
Maritime transportation, accounting for over 80% of global trade volume, stands as a fundamental pillar of the world economy. The increasing intensity of maritime traffic, especially in high-risk transit regions like the Sea of Marmara and the Istanbul Strait, has led to a rise in both the frequency and severity of maritime accidents. Understanding the complex temporal dynamics and underlying determinants of these accidents is of paramount importance for improving safety standards and formulating effective preventive policies. This study statistically examines the temporal patterns of monthly maritime accidents that occurred in the Sea of Marmara and the Istanbul Strait between October 2016 and December 2022, using count data regression models. Considering the discrete and overdispersed nature of accident counts, regression models based on Poisson and Negative Binomial distributions were employed. Furthermore, to account for temporal autocorrelation in the dataset, these models were extended with first-order autoregressive (AR(1)) terms. Within the modeling framework, time-sensitive variables such as time trend indicators on a monthly basis (year and linear trend), exponential moving averages, and lagged accident counts were utilized. Model prediction performance was evaluated using various error and goodness-of-fit metrics, and the models' validity was confirmed through comprehensive diagnostic tests addressing overdispersion, residual autocorrelation, and distributional assumptions. Among the four models tested (Poisson, Negative Binomial, AR(1)-Poisson, AR(1)-Negative Binomial), the AR(1)-Poisson model generally demonstrated the highest statistical performance and diagnostic validity, successfully reflecting the temporal structure of the data. The findings reveal that maritime accidents are not random occurrences but follow systematic temporal patterns, indicating that time-sensitive, target-oriented safety measures, supported by autoregressive count data modeling, are critically important in maritime traffic management. This thesis aims to provide a science-based decision support infrastructure for maritime safety management in the Turkish Straits.
Benzer Tezler
- Protecting cost of claims from exchange rate shocks in insurance sector
Sigorta sektöründe kasko hasar maliyetinin döviz kur şoklarından korunması
İSMAİL TELCİ
Yüksek Lisans
İngilizce
2018
Sigortacılıkİstanbul Bilgi ÜniversitesiFinans Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GENCO FAS
- Poisson ve negatif binom regresyon modelleri
Poisson and negative binomial regression models
GİZEM GİRAY
Yüksek Lisans
Türkçe
2019
İstatistikÇukurova Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SELAHATTİN KAÇIRANLAR
- Yeni önerilen sayma regresyon modellerinin geleneksel ve makine öğrenmesi yöntemleriyle karşılaştırmalı analizi
Comparative analysis of new proposed count regression models with traditional and machine learning methods
MUHAMMED NURULLAH KUTLU
Doktora
Türkçe
2026
İstatistikSelçuk Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NİMET YAPICI PEHLİVAN
- Sayma verileri ile regresyon analizi ve talep verilerine uygulanması
Regression analysis with counting data and its application to demand data
DİCLEHAN ŞEKER
Yüksek Lisans
Türkçe
2022
EkonometriSivas Cumhuriyet ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. HAKAN TÜRKAY
- Sayma veri modelleri ve bir uygulama
Count data regression an application
GÖKNUR KIRAN
Yüksek Lisans
Türkçe
2019
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SELAHATTİN GÜRİŞ