Karadeniz'de deniz seviyesi değişimlerinin derin öğrenme yöntemleri ile modellenmesi

Küresel iklim değişikliğinin en yıkıcı sonuçlarından biri deniz seviyesi yükselmesidir. Termal genleşme ve buzulların erimesiyle hızlanan bu süreç, kıyı ekosistemlerini tahrip etmekte, altyapıyı tehdit etmekte ve milyonlarca insanın yerinden edilmesine yol açmaktadır. Bu risklerin önüne geçebilmek için deniz seviyesindeki değişimlerin hassas bir şekilde modellenmesi ve geleceğe yönelik güvenilir tahminler üretilmesi büyük önem taşımaktadır. Ancak mevcut literatürde kullanılan yöntemlerin sınırlılıkları nedeniyle daha güçlü ve genelleştirilebilir modellere ihtiyaç duyulmaktadır. Bu bağlamda Karadeniz, jeostratejik konumu, kıyı yerleşimlerinin yoğunluğu, ekolojik hassasiyeti ve iklim değişikliğine karşı kırılganlığı nedeniyle önem taşımaktadır. Bu doktora tezinde Karadeniz'deki deniz seviyesi değişimlerinin modellenmesi için uydu radar altimetre verileri kullanılmıştır. Literatürde yaygın olan Yığılmış LSTM ve Sönümlü Kalıcılık yöntemlerine ek olarak, ilk kez ConvLSTM ve Oto-Kodlayıcı LSTM mimarileri bu amaçla uygulanmıştır. Ayrıca manuel hiperparametre optimizasyonu yerine Bayesyen otomatik hiperparametre optimizasyon yöntemi deniz seviyesi modelleme çalışmalarında ilk defa kullanılmıştır. Tez çalışmanın çıktısı olan deniz seviyesi erken uyarı sistemi, uluslararası veri merkezlerinden güncel verileri çekerek kullanıcı dostu bir arayüz üzerinden 15 günlük tahminler sunmaktadır. Bu tez, Türkiye'de deniz seviyesi modellemesine yönelik yapılan ilk kapsamlı çalışma olarak literatüre yeni derin öğrenme mimarileri kazandırmakta ve akademik çıktıları operasyonel bir erken uyarı sistemine dönüştürerek özgün katkılar sağlamaktadır.