Theses supervised by Prof. Dr. Ömer Faruk Ertuğrul
10 theses · Batman University
Akıllı şebekelerde yenilenebilir enerji santrallerinin şebekeye entegrasyonu, aktif güç kontrolü
Teknolojik uygulamaların sürekli artışı, elektrik tüketim miktarında sürekli bir büyümeyi beraberinde getirecektir. Fosil yakıtların sınırlı doğasından dolayı, yenilenebilir enerji kaynaklarından enerji üretimi öneminin her geçen gün arttığı gözlemlenmektedir. Günümüzde kullanılan elektrik iletim ve dağıtım şebekeleri, artan elektrik ihtiyacını karşılamak adına sürekli olarak genişletilmektedir. Gelecekte ise mevcut şebeke altyapılarının akıllı şebeke sistemlerine dönüştürülmesi, kaçınılmaz bir gereklilik halini alacaktır. Bunun yanında arz ve talep arasındaki güç dengesi, elektrik şebekelerinin güvenilir ve istikrarlı çalışması için esas alınarak kontrol bir yapılması amaçlanmaktadır. Arz ve talep arasındaki uyumsuzluk, elektrikli cihazların çoğunun arızalanmasına neden olan frekans sapmalarına neden olmaktadır. Ayrıca, birçok şebekede olduğu gibi, sistem kararlılığını etkileyerek sistem kesintilerine yaşanmaktadır. Akıllı şebeke, günümüzde arızaları otomatik ve hızlı bir şekilde çözümleyen, talebi izleyen ve daha güvenilir elektrik gücü için istikrarı koruyan ve eski haline getiren teknolojileri ve yöntemleri tanımlamak için kullanılmaktadır. Akıllı şebeke konseptinde, merkezi santrallerin hakim olduğu şebekeden dağıtılmış santralleri sistem genelinde entegre etmeye doğru bir paradigma kayması mevcuttur. Bu nedenle, konvansiyonel santrallerde olduğu gibi yük dağılımlarının önceden planlamak kolay değildir. Bu çalışmada, aktif gücün gerçek zamanlı olarak kontrol edilmesi (talep ve arzın dengelenmesi) için bir yöntem önerilmiştir. Üretim, talep, depolama, pazar, çevre koşulları ve diğer gerekli veriler hakkında gerçek zamanlı veri alışverişi için bu yöntem akıllı şebekelerde uygulanabileceği düşünülmektedir. Bu veriler, akıllı şebekede gerçek zamanlı arz ve talep dengeleme hakkında karar vermede önemlidir. Ayrıca akıllı şebekelerde, talep karşılama ve depolama sistemlerinin avantajlarından yararlanarak arz ve talebi gerçek zamanlı olarak dengelemek mümkündür. Simülasyon, önerilen yöntem için DigSilent Power Factory programı ile yapılması hedeflenmektedir. Simülasyon aracının bir elektrik şebekesi modelleme parçasına ek olarak, karar verme programını kodlamak için DigSilent Programlama Dili (DPL) özelliği kullanılması amaçlanmaktadır
Gru ile bölgesel tüketim modelleme ve tahmin: Derin öğrenme ile piyasa davranışlarını anlama
Günümüzde artan enerji ihtiyacına karşılık üretim kapasitesindeki artış aynı zamanda tüketicilerin düzensiz ve sabit olmayan enerji ihtiyacı enerji kalite kontrolünü ve enerjide yük tahmini yapmayı zorunlu hale getirmiştir. Enerji kalitesinin iyileştirilmesi son zamanlarda artan akıllı şebekeler ve bunların kullanım alanın genişlemesiyle ön planda olmuştur. Ayrıca akıllı şebekelere dahil olan yapay zekâ alanındaki gelişmeler enerji kalitesini arttırmıştır. Enerji üretim kalitesi oldukça yüksek olsa da tüketim bandı, tüketicilerin farklı ve stabil olmayan durumları şebekede dengesizliklere yol açmaktadır. Bu dengesizliklerin giderilmesi çeşitli yöntemlerle yapılmaya başlanmış olup bunlardan biride şebekenin tüketim karakteristiğini çıkarmak ve buna üretimi düzenlemektir. Aynı zamanda çıkarılan tüketim durumuna göre uygun üretim durumu enerji üretim ve tüketim kalitesini arttıracaktır. Yaptığımız çalışma tamda bu tür sorunlara yeni bir çözüm oluşturmaktadır. Çalışma örnek bir yerin mevcut olan tüketim alışkanlıklarını çıkarıp bunları düzenledikten sonra bunların analizi yapıp mevcut enerji ihtiyacını görmektir. Ayrıca çalışmada düzensizlik sebeplerini araştırmak ve oluşacak enerji ihtiyaçlarımdan önceden haberdar olarak üretimi belirlenebilir. Tüketim tahmini farklı özellikler (hava durumu, kullanım yeri, kullanım tarihi, yenilenebilir enerji kullanımı, yıllık tüketim vb.) göz önüne alınarak yapılmıştır. Tahminleme yaparken yapay zekâ alanında birçok yöntem olsa da biz kullandığımız veri setine uygun olduğunu düşündüğümüz GRU (Geçitli Tekrarlayan Birim) yöntemi kullanılandık. Tahminlemede kullandığımız yöntem elde ettiğimiz RMSE sonuçlarına bakınca veri setimize uygun olduğu kanıtlanmıştır.
Yapay sinir ağları ile öğrenci başarısını değerlendirme: Analiz ve ilerleme önerileri
Bu çalışma, öğrenci başarısını tahmin etmek amacıyla eğitilen Yapay Sinir Ağı (YSA) modelinin performansını değerlendirmeyi hedeflemektedir. Geniş bir veri seti üzerinde gerçekleştirilen eğitim ve test süreçleri sonucunda elde edilen bulgular, çeşitli önemli kategorilerde detaylı bir şekilde incelenmiştir. Temel dersler arasında yer alan Türkçe ve Matematik gibi derslerde modelin düşük Root Mean Square Error (RMSE) değerleri elde ettiği gözlemlenmiştir. Bu durum, modelin bu derslerde güçlü tahminler yapabildiğini işaret etmektedir. Ancak, İnkılap Tarihi ve Fen Bilimleri gibi derslerde test RMSE değerlerinde bir artış gözlemlenmiştir; bu durum da modelin bu derslerde daha fazla iyileştirme potansiyeli taşıdığını göstermektedir. Deneme sınavı puanları ve toplam net sonuçları tahmininde de benzer bir analiz gerçekleştirilmiştir. Deneme sınavı puanları tahminlerinde eğitim ve test RMSE değerleri arasındaki fark dikkat çekicidir. Bu durum, modelin deneme sınavı puanları tahminlerinde daha fazla iyileştirme yapma potansiyeline yada modelin daha fazla geliştirilmesi gerektiğine işaret etmektedir. Ayrıca, modelin eğitim süreleri incelenmiş ve farklı kategorilerde farklı eğitim süreleri tespit edilmiştir. Modelin daha karmaşık kategorilerde, özellikle de deneme sınavı puanları tahminlerinde, daha uzun sürelerle eğitilmesi gerektiği gözlemlenmiştir. Bu çalışmanın temel amacı, YSA modelinin öğrenci başarısını tahmin etme konusunda genel bir etkinlik sergilediğini vurgulamaktadır. Ayrıca, çalışmanın kapsamında yer alan hedefler arasında; 1) Deneme sınavlarına bağlı olarak Liselere Geçiş Sınavı (LGS) sonucunu tahmin etme, 2) Deneme sınavlarının LGS sınavına olan benzerliğini ölçme ve 3) Yapay Zeka (AI) kullanarak öğrencilerin akademik başarısını belirlemede izleyeceği rolü belirleyen bir akademik danışmanlık/koçluk altyapısının kurulabileceğini gösterme hedefleri de bulunmaktadır. Bu hedefler, çalışmanın özünde yer alan önemli katkıları ifade etmektedir.
Bilgi teknolojilerinde siber güvenlik ve siber saldırı senaryoları
Siber güvenlik, hayatımızda önemi her geçen gün artan bir kavramdır. Teknolojik ürünlerin artması ve kullanım alanlarının genişlemesiyle birlikte siber saldırılar da artmakta ve böylece siber güvenlik her geçen gün önem kazanmaktadır. Siber güvenliğin tarihsel gelişimine bakıldığında insanların teknolojik cihazlara erişim hızlarının artması ile teknolojinin hayatın hemen hemen her alanında kullanılmaya başlandığı görülmektedir. Bu durum da siber güvenlik konusunun tüm hatları ile ortaya konulmasını engellemektedir. Günümüzde özellikle sağlık, turizm, eğitim, ulaşım, iletişim, bankacılık gibi aklımıza gelebilecek tüm alanlarda hizmet veren sektörlerde bilgi teknolojilerin aktif kullanıldığı görülmektedir. Bu durum sektörleri, siber saldırılara karşı önlem alma ve güvenlik politikalarını güncel tutmaya zorlamıştır. Günümüzde siber saldırılar etki alanını genişletmiştir. Bu dönemde bireysel bilgi hırsızlığı veya teknolojik bir cihazın ele geçirilmesi gibi dar alanda etki gösteren siber saldırılar yerini ülkelerin güvenliklerini tehdit eden bir seviyeye çıkarmış ve bu tehditlerin bazıları insanların ölümüyle sonuçlanabilecek bir seviyeye gelmiştir. Özellikle ülkelerin kritik alt yapılarına yapılan saldırıların, saldırıya uğrayan ülkelerin dış dünya ile bağının kopmasına, maddi ve manevi hasarlara uğramasına sebebiyet verdiği görülmektedir. Bu tezin hazırlanış amacı siber güvenliğin ne olduğu ve teknolojinin tarihsel gelişiminde yaşanan gelişmeler ile birlikte siber saldırıların etki alanlarını oraya koymaktır.
Siber güvenlikte XSS web saldırılarının yapay zekâ zemininde analiz edilmesi
Bilgi ve teknoloji günümüz çağında insan hayatının vazgeçilmez bir parçası konumuna ulaşmıştır. İnsanlar bilgiye daha hızlı ve kolay ulaşabilmek için en çok interneti kullanmaktadır. İnternet insanların en fazla bilgilerin temin edildiği Web sitelerine ulaşmak için en önemli araçlardan biridir. Ancak Web sitelerinin bu kadar sıklık ile kullanımı kötü niyetli insanların dikkatini arttırmış ve Web güvenliği kavramı oluşmuştur. Bu Web güvenliği kavramı ise zaman içinde gelişerek ya da geliştirilerek yerini Siber güvenliği kavramına bırakmıştır. Siber güvenlik, bilgisayarları, ağları, yazılım uygulamaları, her türlü bilişim ile ilgili sistemleri ve bu sistemlerin verilerini kötü amaçlı saldırılardan korumayı amaçlayan bir yapı olması ile bilinmektedir. Gelişen teknoloji ve bu teknolojinin meydana getirdiği sürekli ileri düzeyde yenilenme ve gelişme durumu siber güvenlik sisteminin de sürekli ileri düzeyde kendini koruma amacıyla yenileme durumunu ortaya çıkarmıştır. Bu yenileme durumuna karşın siber güvenlik sistemine kötü niyetli olarak erişebilme isteği sonucu siber saldırı türleri meydana gelmiştir. Siber güvenlik konusunda sıklıkla karşılaşılan siber saldırı türleri Oltalama Saldırıları, Servis Dışı Bırakma Saldırıları (DoS/DDoS), Parola Saldırıları, Man-in-the-middle (MITM) Atak Saldırıları, Cross-Site Scripting (XSS) Saldırıları şeklinde sıralamak mümkündür. Cross-Site Scripting (XSS) Saldırıları, korunmasız bir web uygulamasının bir modülü olarak kötü amaçlı kod çalıştırmayı hedefler. XSS Saldırılarının birçok siber saldırı türlerinden farkı direk uygulamayı değil, kullanıcıyı hedeflemesidir. Teknolojinin hızlı gelişmesi, siber saldırıların artması gibi durumlar insanların daha güvenli, daha kolay verilerine ulaşabilmesi ve bilgilerden daha kesin sonuçlar alabilme isteğini arttırmıştır. Bu istek, insani zekâya sahip cihaz ve yazılım geliştiren bilgisayar bilimlerinin bir parçası olan Yapay Zekâ Teknolojisinin daha sık ve daha verimli şekilde kullanımını artmıştır. Bu çalışmamızda, Siber güvenlik sisteminde kullanılan siber güvenlik saldırı türlerinden biri olan Cross-Site Scripting (XSS) saldırılarının yapay zekâ zemininde analiz edilmesi ve analiz edilen verilerin değerlendirilmesi amaçlanmıştır.
Derin öğrenme ile ethereum fiyat tahmini
Yapay zeka, hayatımızın pek çok alanına entegre olarak, günlük yaşantımızı önemli ölçüde kolaylaştırmıştır. Bu kolaylık ise her türlü alanda sağlanmaktadır. Özellikle finansal teknolojilerde, yapay zeka ve makine öğrenimi yöntemleri, kripto para piyasalarında öngörü ve analiz yapma süreçlerini dönüştürmüştür. Bu bağlamda, Ethereum gibi popüler kripto para birimlerinin fiyat tahminleri, ileri yapay zeka modelleri kullanılarak daha doğru ve güvenilir hale gelmektedir. Yatırımcılar, bu modeller sayesinde piyasa hareketlerini daha iyi anlayabilir ve daha bilinçli kararlar alabilirler. Yapay zeka tabanlı analizler, sadece yatırım stratejilerini iyileştirmekle kalmaz, aynı zamanda piyasa dalgalanmalarına karşı daha etkin risk yönetimi sağlar. Böylece, kripto para dünyasında güvenlik ve karlılık artırılarak, dijital finansal ekosistemin sürdürülebilirliği desteklenmiş olur. Bu çalışmada ise Ethereum kripto para biriminin fiyat tahmininde yapay zeka modellerinin kullanımı araştırılmaktadır. LSTM, ANN, GRU ve RNN modelleri kullanılarak, Ethereum fiyat verileri üzerinde analizler gerçekleştirilmiştir. Çalışmanın amacı, bu modellerin fiyat tahminindeki etkinliğini değerlendirmek ve kripto para piyasasındaki öngörü kabiliyetlerini ortaya koymaktır. Elde edilen bulgular, yapay zeka tekniklerinin finansal piyasalarda nasıl kullanılabileceğine dair önemli bilgiler sunmaktadır.
XRD'de X-ışını kırınım verilerinin yapay zeka yöntemleri ile analizi
Bu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.
Beden dilinden elde edilen mekânsal-zamansal veriler kullanılarak yapay zekâ ile duygu tespiti
Bu çalışma, beden hareketlerine dayalı duygu tanıma süreçlerinde mekânsal-zamansal verilerin ve çok boyutlu yaklaşımların etkinliğini kapsamlı bir şekilde incelemektedir. Kinematik ham veri seti ve video tabanlı DEMOS veri seti kullanılarak öfke, tiksinti, korku, mutluluk, nötr, üzüntü ve şaşkınlık gibi temel duyguların sınıflandırılmasına yönelik farklı yöntemlerin performansları karşılaştırılmıştır. Literatürde yüz ifadeleri ve ses tabanlı yöntemler ön planda yer alırken, bu çalışma, yüz ifadelerinin yetersiz kaldığı durumlarda beden hareketlerinden duygu tanımanın potansiyelini ortaya koymayı hedeflemiştir. Kinematik veri analizlerinde, iskelet tabanlı ham pozisyon bilgileri hem doğrudan ham veri hem de öznitelik çıkarımı yapılarak değerlendirilmiştir. K-nearest neighbors, Random Forest, CatBoost ve XGBoost gibi makine öğrenimi algoritmalarının yanı sıra RegNetY, MobileNetV3, LSTM ve GRU gibi derin öğrenme yöntemleri test edilmiştir. Bu kapsamda, yedi duygu sınıfı için elde edilen en yüksek doğruluk oranı farklı pencereleme boyutları için %99'un üzerine kadar çıkmış ve bu durum ham kinematik sinyallerden duygu tanımanın yüksek doğrulukla mümkün olduğunu göstermiştir. DEMOS video veri seti üzerinde yapılan çalışmalarda, altı duygu sınıfı için mekânsal ve zamansal verileri analize uygun modeller (SlowFast-R50, X3D-Medium, ResNet-3D-18 ve Attentive3D-CNN-LSTM gibi) derin öğrenme yöntemleriyle test edilmiştir. Tüm açılardan alınan video verileriyle, altı duygu sınıfı için en yüksek dengeli doğruluk oranı tüm test verisinde %60 olarak elde edilmiştir. Sonuçlar, ham kinematik verilerin sağladığı yüksek doğruluğun çok sınıflı duygu sınıflandırma süreçlerinde kullanılabileceğini göstermiştir. Ayrıca, iskelet tabanlı video verilerinin bağlamsal zenginliğiyle birleştirildiği çok modelli yaklaşımların, duygu tanıma süreçlerini geliştirme potansiyeline işaret etmektedir. Çalışma, insan-makine etkileşimi, güvenlik, sağlık ve eğitim gibi farklı alanlarda geniş bir uygulama potansiyeli sunmaktadır. Bununla birlikte, sinyal işleme teknikleri, öznitelik çıkarımı, veri artırma ve transfer öğrenme gibi yöntemlerin, duygu tanıma süreçlerinde verimliliği artırmada etkili olabileceği vurgulanmıştır. Kinematik ve video tabanlı veri setlerini karşılaştırmalı olarak analiz eden bu çalışma, duygu tanıma alanında farklı veri sistemlerin geliştirilmesine yönelik yenilikçi bir çerçeve sunmaktadır. Çalışma, duygu tanıma sistemlerinin geliştirilmesine yönelik bir temel oluşturmuş ve gelecekteki araştırmalar için metodolojik ve uygulamalı öneriler sunarak literatüre katkıda bulunmuştur.
Yapay zekâda etik
Bu tez, yapay zekâ (YZ) uygulamalarının etik bağlamında değerlendirmesini amaçlamaktadır. Yapay zekâ, hızla gelişen bir teknoloji olmasından kaynaklı birçok alanda çığır açacak şekilde yenilikler sunmaktadır. Fakat bu yenilikleri sunarken etik problemlerini de beraberinde getirmektedir. Bu çalışma, yapay zekâ uygulamalarının kullanımında ortaya çıkan etik problemleri ve çözümü için alınabilecek önlemleri sunmaktadır. Tezde, yapay zekâ uygulamalarının etik problemleri; yapay zekânın temel etik ilkeleri doğrultusunda incelenmiştir. Özellikle, yapay zekâ uygulamalarında adaletli kararlar alma, kişisel verilerin gizliliği ve korunması, üretilen algoritmaların şeffaf olması ve bu teknolojilerden doğacak sorunların sorumluluğu gibi konulara odaklanılmıştır. Araştırma, nitel bir yöntemle yürütülmüştür. Araştırma literatür taraması ile desteklenmiştir. Bu kapsamda, farklı yapay zekâ uygulamalarıyla ilgili analizler yapılmıştır ve bu teknolojilerin etik sorunları incelenmiştir. Sonuç olarak, bu tez, yapay zekâ uygulamalarının etik kullanımına yönelik yaklaşımları değerlendirilmesi ve bu alandaki uygulamaların iyileştirilmesi için öneriler sunmaktadır. Yapay zekâ uygulamalarının sorumlu bir şekilde tasarlanması ve kullanılması için etik çerçevelerin güçlendirilmesi gerektiği vurgulanmaktadır. Bu çalışma, yapay zekâ uygulamalarının ilerleyen gelişmelerinde etik ilkelerin daha fazla yer edinmesi gerektiğine dair önemli bir katkı sağlamaktadır.
Elektrik dağıtım özelleştirmeleri & Dicle EDAŞ ve Batman ili özelleştirme örneklemi
Bu çalışma, Türkiye'deki elektrik dağıtım sektörünün özelleştirilme sürecini ele alarak, bu dönüşümün verimlilik, hizmet kalitesi ve ekonomik sürdürülebilirlik açısından etkilerini değerlendirmektedir. Özellikle Dicle Elektrik Dağıtım A.Ş. ve Batman iline odaklanan bu araştırma, özelleştirme öncesi ve sonrası dönemlere ait elektrik tüketimi, kayıp-kaçak oranları ve tahsilat performansları gibi temel göstergeleri analiz etmektedir. Çalışmada, sektördeki reformların altyapı yatırımları üzerindeki rolü incelenerek, özelleştirmenin bölgesel farklılıklar bağlamında nasıl şekillendiği tartışılmaktadır. Araştırma kapsamında, enerji sektöründe özelleştirmenin olumlu ve olumsuz yönleri nicel ve nitel verilerle desteklenerek ele alınmıştır. Ancak, özelleştirme sürecine dair hedeflerin büyük ölçüde ekonomik ve politik faktörlere bağlı olarak şekillendiği, dolayısıyla bu hedeflerin öznel nitelikte olduğu görülmektedir. Bu durum, yapılan değerlendirmelerin belirli kısıtlar altında gerçekleşmesine neden olmakta ve özelleştirmenin başarısının nesnel ölçülerle çerçevesinde tam anlamıyla ölçülmesini zorlaştırmaktadır. Elde edilen bulgular, özelleştirme sürecinin hizmet kalitesini ve tahsilat oranlarını artırdığını ancak süreç yönetiminde karşılaşılan zorluklar nedeniyle bazı bölgelerde sürdürülebilirliğin sağlanmasında eksiklikler olduğunu göstermektedir. Çalışma, elektrik dağıtım sektöründe etkin bir özelleştirme modelinin oluşturulması için gelecekte yapılması gereken düzenlemelere dair öneriler sunarak, enerji politikaları ve kamu-özel sektör iş birlikleri konusunda önemli bir referans sağlamaktadır