66
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
Elektrikli araç şarj istasyonlarının akıllı şebekelerde bulanık mantık yöntemiyle optimizasyonu ve dağıtım şebekesine entegrasyonu
Ulaştırma sektörü tüm dünyada hızla büyümektedir. Bu büyüme bazı sorunları da beraberinde getirmektedir. Dünyada karbon emisyonunun ve enerji tüketiminin sürekli artması bu sorunlardan biridir. Günümüzde elektrikli araçlar, hava kirliliğini ve yakıt tüketimini azaltmak için en uygun çözüm olarak kabul edilmektedir. Dünyadaki kirliliği ve küresel ısınmayı azaltmak için enerji ihtiyacının karşılanmasında yenilenebilir enerjinin payının artırılması ve ulaşımda elektrikli araç sayısının artırılması büyük önem taşımaktadır. Elektrikli araç sayısının önümüzdeki yıllarda önemli ölçüde artacağı tahmin edilmektedir. Elektrikli araçların gün geçtikçe yaygınlaşmasıyla birlikte bu araçların şarj sistemleri de dikkat çeken konulardan biri haline gelmektedir. Daha önce fosil yakıtlarla sağlanan enerjinin elektrik enerjisi ile karşılanmasının şebekeye olağanüstü bir yük getireceği açıktır. Elektrikli araç sayısının artmasıyla birlikte bu yükün doğrudan artacağı ve şebekenin zayıf olduğu alanlarda sorun yaratacağı söylenebilir. Bu tez çalışmasında, elektrikli araç şarj istasyonu için bulanık mantık tabanlı enerji yönetimi algoritması önerilmiştir. Çalışmanın temel amacı bulanık mantık tabanlı elektrikli araç şarj istasyonunun güç talebi, şarj süresi ve şarj dönemi gibi çeşitli faktörlere bağlı olarak minimum şarj maliyetinin nasıl elde edileceğini ortaya koymaktır. Bulanık optimizasyon tekniği ile farklı koşullar için farklı şarj oranları ve buna paralel farklı maliyetler elde edilerek enerji tasarrufu sağlanmıştır. Ayrıca bu optimizasyon tekniği ile kullanıcıların elektrik tüketiminin yoğun olmadığı zaman dilimlerinde araçlarını şarj etmeleri sağlanarak şebekedeki yük durumunun dengelenmesi sağlanmıştır.
Enerji tedarik sürekliliğini sağlama yöntemleri ve fayda maliyet analizi
Bu tez çalışmasında, enerji tedarik sürekliliğinin kullanıcı ve elektrik dağıtım şirketleri açısından önemi vurgulanmıştır. Enerji tedarik sürekliliği kalite parametreleri incelenip, bu parametrelerin sağlanmadığı durumlar detaylandırılmıştır. Enerji tedariki sağlanmadığı durumlarda elektrik dağıtım şirketlerinin sorumlu olacağı tazminat ve diğer ödemeler ile ilgili formüllere yer verilmiştir. Elektrik dağıtım şebekelerinde enerji tedarik sürekliliğini etkileyen kesintilerin çeşitleri ve bu kesintilerin şebeke üzerindeki etkileri belirtilmiştir. Elektrik dağıtım şebekesinde oluşan kesintilerin, etkileme alanlarını azaltmak için alternatif enerji besleme kaynakları tesis edilmelidir. Alternatif enerji besleme kaynağı yatırımları ile şebeke iyileştirme hususlarına değinilmiştir. Yapılan yatırımların, enerji tedarik sürekliliği kalite parametreleri sağlanamadığı durumlarda oluşan tazminat bedelleri hesaplanıp kararlaştırılması gerekmektedir. Yöntem olarak belirlenen Dicle Elektrik Dağıtım AŞ. (DEDAŞ)sorumluluk bünyesinde bulunan Şırnak İli Cizre ilçesi dağıtım şebekesi ele alınmıştır. Cizre ilçesinde bulunan F13 Kuştepe ile F14 Cizre-1 Ring Şebekesinin enerji tedarikini nasıl sağladığı analiz edilmiştir. Tesis edilen bu ring şebekesinin maliyeti hesaplanmış ve şebekenin tesis edilmediği durumla karşılaştırılmıştır. Bu durumda dağıtım şirketinin karşılaşacağı ceza miktarları hesaplanmış ve yatırımın fayda maliyet analizi yapılmıştır.
Hibrit öznitelik çıkarımı ve derin öğrenme yöntemleriyle ekg sinyallerinden kardiyak durumların sınıflandırılması
Kardiyovasküler hastalıklar, dünya genelinde hem gelişmiş hem de gelişmekte olan ülkelerde başlıca ölüm nedenlerinden biri olarak karşımıza çıkmaktadır. Bu hastalıklar, bireylerin yaşam kalitesini ciddi ölçüde etkilerken, sağlık sistemleri üzerinde de büyük bir ekonomik ve sosyal yük oluşturmaktadır. Erken teşhis ve doğru tanı, yalnızca hastaların yaşam sürelerini uzatmakla kalmaz, aynı zamanda tedavi maliyetlerini azaltarak toplum sağlığına önemli katkılar sağlar. Özellikle aritmiler, konjestif kalp yetmezliği (KKY) ve normal sinüs ritmi (NSR) gibi kardiyak durumların doğru bir şekilde teşhisi, bu süreçte temel bir rol oynamaktadır. Bu çalışma, çeşitli aritmiler, konjestif kalp yetmezliği (KKY) ve normal sinüs ritmi (NSR) gibi kardiyak durumların sınıflandırılmasına odaklanmaktadır. Çalışma kapsamında, çeşitli aritmi türleri, KKY ve NSR sinyallerini içeren iki farklı veri seti kullanılarak üç ayrı EKG sınıflandırma uygulaması gerçekleştirilmiştir. Bu amaçla, yenilikçi sinyal işleme yöntemleri ile derin öğrenme modelleri bir araya getirilmiş ve EKG sinyallerinin lokal ve global özelliklerini analiz etmek için ortogonal fark bir boyutlu yerel ikili desen (OD-1D-LBP), merkezden bağımsız bir boyutlu yerel ikili desen (CI-1D-LBP) ve sürekli zamanlı dalgacık dönüşümü (CWT) tabanlı motif dönüşümü (MD) yöntemleri uygulanmıştır. Çalışmanın ilk uygulamasında, OD-1D-LBP yöntemiyle KKY, atriyal fibrilasyon (AF) ve NSR sinyalleri sınıflandırılmıştır. Bu yöntemde çıkarılan öznitelikler uzun kısa süreli bellek (LSTM) ve bir boyutlu konvolüsyonel sinir ağları (1D-CNN) modelleriyle değerlendirilmiş ve en iyi sonuç %98.97 doğruluk oranı ile hibrit OD-1D-LBP+LSTM modeliyle elde edilmiştir. OD-1D-LBP+1D-CNN modeli de %98.86 doğruluk oranı ile rekabetçi bir performans sergilemiştir. OD-1D-LBP’nin, sinyallerin lokal özelliklerini belirginleştirme konusundaki başarısı, kardiyak durumların ayırt edilmesinde etkili bir araç olduğunu ortaya koymuştur. İkinci uygulamada, CI-1D-LBP yöntemi dört farklı aritmi türünün (ventriküler atım, supraventriküler atım, füzyon atımı ve tanımlanmamış aritmi) sınıflandırılmasında kullanılmıştır. Bu yöntemde elde edilen özniteliklerle LSTM, GRU ve 1D-CNN modelleri uygulanmış, CI-1D-LBP+GRU hibrit modeli %98.59 doğruluk oranıyla en iyi sonucu vermiştir. CI-1D-LBP+LSTM hibrit modeli %98.02, CI-1D-LBP+1D-CNN hibrit modeli ise %97.17 doğruluk oranına ulaşmıştır. CI-1D-LBP+GRU’nun farklı aritmi türlerini ayırt etmedeki başarısı, yöntemin güçlü bir analiz çerçevesi sunduğunu göstermektedir. Üçüncü uygulamada, motif dönüşümü ve CWT yöntemleri birleştirilmiş ve KKY, AF ve NSR sinyalleri zaman-frekans düzleminde analiz edilmiştir. Bu analiz sonucunda oluşturulan skalogram görüntüleri, DenseNet modelleri ile sınıflandırılmıştır. DenseNet169 modeli %99.31 doğruluk oranı ile en başarılı sonuçları sağlamış, DenseNet121 ve DenseNet201 modelleri ise sırasıyla %98.30 ve %98.97 doğruluk oranlarına ulaşmıştır. Motif dönüşümü ve CWT’nin entegre kullanımı, sinyallerin zaman-frekans analizinde etkili bir yöntem olduğunu kanıtlamıştır. Elde edilen sonuçlar, bu tez çalışmasında kullanılan yöntemlerin literatürdeki yaklaşımlara kıyasla üstün performans sunduğunu ve kardiyak durumların teşhisinde önemli bir yenilik sağladığını göstermektedir. Bu yöntemlerin, klinik uygulamalara entegre edilerek kardiyovasküler hastalıkların tanısında doğruluk ve güvenilirliği artırma potansiyeline sahip olduğu öngörülmektedir. Ayrıca, farklı modellerin ve veri setlerinin karşılaştırılması, bu yöntemlerin sadece bir sinyal türünde değil, farklı kardiyak durumların analizinde de genelleştirilebilir ve güvenilir bir çerçeve sunduğunu göstermiştir. Önerilen yöntemlerin ayırt edici öznitelikler çıkarma yeteneği ve derin öğrenme modelleriyle sağladığı yüksek doğruluk oranları, kardiyak sinyallerin analizine yönelik yeni standartlar belirleme potansiyeline sahiptir. Bu çalışma, kullanılan tekniklerin klinik uygulamalara entegrasyonu halinde, tanı süreçlerinin doğruluğunu ve hızını artırarak hasta bakım kalitesini iyileştirme kapasitesine sahip olduğunu göstermektedir. Elde edilen bulgular, sadece literatürdeki yaklaşımlara üstünlük sağlamakla kalmayıp, kardiyovasküler hastalıkların teşhisinde daha güvenilir ve etkili çözümler sunmaktadır.
Proton elektrolit membranlı yakıt hücresinde(PEMYH) elektroliz yöntemiyle hidrojen üretiminin yapay zekâ ile optimizasyonu
Bu çalışma, sıcaklığın, Proton Değişim Membranlı Yakıt Hücrelerinin (PEMYH) performansı üzerindeki etkisini deneysel olarak incelemektedir. Deneyler, sabit 12 Volt doğru akım altında, 5 ila 35 gram arasında değişen miktarlarda potasyum hidroksit (KOH) kullanılarak ve 25-30°C sıcaklık aralığında gerçekleştirilmiştir. Bulgular, sıcaklık artışının proton iletkenliğini artırarak elektrokimyasal reaksiyon hızını olumlu yönde etkilediğini göstermektedir. Özellikle 25-30°C aralığında hidrojen ve oksijen üretiminde belirgin artışlar gözlemlenmiştir. Ancak, sıcaklık 70°C’yi aştığında membran yapısında bozulmalar ve verimlilikte düşüşler meydana geldiği görülmüştür. Bu durum, sıcaklık kontrolünün, PEMYH sistemlerinde kritik bir parametre olduğunu ortaya koymaktadır. Ayrıca, KOH miktarındaki artış, su çözünme oranını ve gaz üretimini artırmış, fakat aşırı katalizör kullanımı membran stabilitesini olumsuz etkileyebileceğinden miktarın dikkatli yönetilmesi gerektiği vurgulanmıştır. Çalışma optimum sıcaklık aralığının, 25-30°C olduğu ve bu koşullarda PEM yakıt hücrelerinin hem verimli hem de uzun ömürlü çalıştığı ortaya konulmuştur. Deneysel veriler, literatürdeki benzer çalışmalarla uyumlu olup, gelecekteki araştırmalar için önemli bir referans niteliği taşımaktadır. Özellikle membran malzemelerinin geliştirilmesi, alternatif katalizörlerin kullanımı ve sıcaklık dengeleme mekanizmalarının iyileştirilmesi, PEMYH teknolojisinin daha da ileriye taşınması açısından öncelikli araştırma alanlarıdır.
Retina hastalıkları tespiti için yapay zekâ destekli yeni bir hesaplamalı modelin geliştirilmesi
Retina hastalıkları, dünya genelinde artan diyabet ve yaşa bağlı sağlık sorunlarıyla birlikte ciddi görme kaybına neden olan önemli sağlık problemleri arasında yer almaktadır. Erken teşhis ve etkin tedavi, bu hastalıkların yol açtığı kalıcı görme kaybını önlemede kritik rol oynamaktadır. Optik Koherens Tomografi (OCT) görüntüleme teknolojisi, retina tabakasındaki mikroskobik yapısal değişimleri invaziv olmayan bir şekilde yüksek çözünürlükle ortaya koyarak tanı ve tedavi süreçlerinde yaygın olarak kullanılmaktadır. Ancak, bu görüntülerin manuel olarak değerlendirilmesi zaman alıcı ve uzmanlık gerektiren bir süreçtir. Bu çalışmada, retina hastalıklarının OCT görüntüleri üzerinden otomatik teşhisi amacıyla yapay zekâ destekli yeni bir hesaplamalı model geliştirilmiştir. Geliştirilen sistem; görüntü doğrulama, ön işleme, derin öğrenme tabanlı sınıflandırma ve karar destek modüllerini içeren çok katmanlı ve modüler bir mimari üzerine inşa edilmiştir. Model eğitiminde, OCT-2017 açık erişimli veri setinden faydalanılmış ve CNV (Koroid Neovaskülarizasyonu), DME (Diyabetik Makula Ödemi), Drusen ve Normal olmak üzere dört farklı retina hastalık sınıfı hedeflenmiştir. Derin öğrenme tabanlı sınıflandırıcı olarak dört farklı mimari yapı test edilmiştir (GoogleNet, ResNet50, EfficientNet-B0 ve DenseNet-201). Yapılan karşılaştırmalı deneyler sonucunda, katmanlar arası yoğun bağlantı mekanizması ile öne çıkan DenseNet-201 mimarisi, en yüksek doğruluk oranını elde etmiş ve modelin nihai versiyonunda tercih edilmiştir. Eğitim ve test sonuçları doğruluk, hassasiyet, özgüllük, F1 skoru ve ROC eğrileri gibi istatistiksel metriklerle detaylı şekilde değerlendirilmiştir. Ayrıca, sisteme entegre edilen kullanıcı dostu arayüz aracılığıyla sağlık personellerine grafiksel ve sayısal tahmin sonuçları sunularak klinik karar destek süreçlerine katkı sağlanması amaçlanmıştır. Geliştirilen sistemin sağlık yazılımları ve OCT cihazları ile entegrasyon potansiyeli de göz önünde bulundurularak gelecekte klinik uygulamalara yönelik genişletilebilir bir altyapı oluşturulmuştur. Bu tez çalışması, hem yapay zekâ temelli karar destek sistemlerinin retina hastalıklarının erken teşhisinde etkinliğini ortaya koymakta hem de literatüre özgün veri yönetimi, güvenlik ve kullanıcı arayüzü bileşenleri ile katkı sunmaktadır.
Elektrikli araçlarda çift yönlü talep tahmin analizi
Günümüzde enerji sistemleri, sürdürülebilirlik, arz güvenliği ve karbon emisyonlarının azaltılması gibi hedefler doğrultusunda hızlı bir dönüşüm sürecinden geçmektedir. Bu dönüşümde, yenilenebilir enerji kaynaklarının artan entegrasyonu sistem esnekliğini ön plana çıkarmış; bu bağlamda elektrikli araçlar (EA), yalnızca ulaşım sektöründe değil, enerji altyapısında da stratejik bir unsur hâline gelmiştir. Elektrikli araçların enerji sistemleriyle çift yönlü etkileşim kurmasını mümkün kılan G2V (Grid-to-Vehicle) ve V2G (Vehicle-to-Grid) teknolojileri, şebekenin yük yönetimi, arz-talep dengesi ve kısa vadeli enerji talebi tahmini gibi kritik süreçlere doğrudan katkı sağlayabilecek potansiyele sahiptir. Bu tez çalışmasında, Batman ilinde yoğun enerji çekişi olan bir fidere bağlı olarak faaliyet gösteren elektrikli araçların, V2G ve G2V teknolojileri aracılığıyla enerji sistemine olan etkileri teknik ve ekonomik açılardan değerlendirilmiştir. V2G kapsamında, EA bataryalarında depolanan enerjinin Türkiye elektrik piyasasında, EPIAŞ Gün Öncesi Piyasası üzerinden saatlik bazda satış potansiyeli analiz edilmiş; farklı senaryolar altında maliyet etkinliği incelenmiştir. G2V tarafında ise şarj sürelerinin sistem yük profili üzerindeki etkisi değerlendirilmiş ve yük dengeleme kapasitesi ortaya konulmuştur. Ayrıca, elde edilen operasyonel veriler yapay zekâ tabanlı talep tahmin modellerine entegre edilerek sistemin öngörülebilirliği artırılmıştır. Çalışma sonucunda, elektrikli araçların bölgesel enerji sistemleri için hem teknik hem de ekonomik açıdan değer yaratabileceği görülmüş; V2G ve G2V teknolojilerinin doğru planlama ile enerji piyasalarına entegre edilmesinin, şebeke esnekliği ve sürdürülebilir enerji yönetimi açısından önemli katkılar sağlayabileceği tespit edilmiştir.
5G haberleşme sistemleri için bir anten tasarımı arayüzünün geliştirilmesi
Günümüz telekomünikasyon teknolojilerinde 5G, yüksek hız ve düşük gecikme avantajları ile dikkat çekici bir konuma ulaşmıştır. Bu çalışma, 5G haberleşme sistemlerine yönelik anten tasarımını daha kolay ve verimli hale getirmek amacıyla MATLAB tabanlı bir araç kutusu geliştirilmesini konu almaktadır. Geliştirilen grafiksel kullanıcı arayüzü (GUI), anten tasarımında ihtiyaç duyulan temel parametrelerin hesaplanmasını ve bu tasarımla ilgili çeşitli analizlerin yapılmasını mümkün kılmaktadır. MATLAB’in sunduğu fonksiyonlar sayesinde antenin genişliği, uzunluğu, giriş empedansı gibi kritik parametreler kolayca hesaplanabilir hale getirilmiştir. Ayrıca, geliştirilen bu araç kutusu, geri dönüş kaybı, S11 kayıp analizi, radyasyon örüntüsü analizi ve hüzme genişliği gibi önemli analizleri de desteklemektedir. Bu analizler, anten tasarımında 5G sistemlerinin yüksek performans ihtiyaçlarını karşılamaya yönelik önemli veriler sunar. Bu tez çalışmasında, belirlenen tasarım kriterlerine göre anten parametreleri hesaplanmış ve analiz edilmiştir. Bu bağlamda, geliştirilen araç kutusu, anten tasarım sürecini hızlandırarak mühendis ve araştırmacıların işini kolaylaştıran bir araç olarak öne çıkmaktadır. Ayrıca, bu arayüzün, 5G teknolojilerinin sunduğu potansiyeli en üst düzeye çıkarmada önemli bir katkı sağlayacağı öngörülmektedir. Sonuç olarak, anten tasarımında zaman kazandıran ve performans optimizasyonunu destekleyen bu arayüz, 5G sistemleri için etkili bir çözüm sunmaktadır.
Güneydoğu Anadolu Bölgesi için çok kriterli karar verme yöntemleri ile yüzer fotovoltaik sistemler için yer seçimi
Yüzer solar paneller, suyun soğutma etkisi sayesinde enerji verimliliğini artırması, buharlaşmayı azaltması ve arazi kullanımına ihtiyaç duymaması gibi avantajlar sunmaktadır. Bu sebeple dünyada ve ülkemizde yüzer solar panel uygulamalarının sayısı gün geçtikçe artmaktadır. Bu çalışma, Güneydoğu Anadolu Bölgesi'nde yer alan hidroelektrik santrallerin rezervuar alanlarına yüzer solar panellerin kurulumu için en uygun lokasyonu belirlemeye odaklanmaktadır. Çalışmada, birden fazla kriteri göz önünde bulundurarak en uygun seçeneği belirlemek amacıyla Analytic Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Multi – Attributive Border Approximation area Comparison ( MABAC), Characteristic Objects Method (COMET) ve Stable Preference Ordering Towards Ideal Solution method (SPOTIS) gibi çok kriterli karar verme (ÇKKV) yöntemleri kullanılmıştır. MCDM yöntemleri, kişisel kararlardan devlet politikalarına kadar geniş bir yelpazede karar verme süreçlerinde kullanılan güçlü bir araçtır. Bu yöntemler sayesinde, farklı kriterlerin önemi belirlenerek daha objektif ve tutarlı kararlar alınabilmektedir. Çalışmada, yüzer güneş santrali projelerinin başarısı için kritik öneme sahip olan güneş ışınımı, yıllık günışığı saatleri, rüzgar hızı, bölgesel kalkınma, sosyal kabul, sıcaklık, topografik yükselti, su derinliği, yerleşim birimlerine ve şebeke bağlantılarına uzaklık gibi kriterlerin ağırlıkları, uzman görüşleri ile belirlenmiştir. Bu kriterlere göre yapılan detaylı analiz sonucunda, en uygun hidroelektrik santrali seçilerek, projenin hem teknik hem de sosyal açıdan sürdürülebilirliği hedeflenmiştir.
Elektrikli araç şarj istasyonlarının ürettiği harmoniklerin aktif güç filtreleri ile azaltılması: Bir analiz ve simülasyon çalışması
Artan enerji talebi nedeniyle karbon temelli yakıt rezervleri hızla tükenmekte, bu durum enerji tedarik zincirinde zorluklara yol açmaktadır. Bu nedenle, gelişmiş devletler elektrikli araç(EA) üretimini teşvik etmektedir. EA’larda kullanılan güç elektroniği devreleri doğrusal olmayan elemanlar içermekte ve bu elemanlar harmonik üretimine neden olmaktadır. Harmonikler, güç sistemi süreçlerinde bozulmaya yol açmaktadır. Harmoniklerin azaltılmasında filtreler önemli bir rol oynamaktadır. Bu hususta pasif filtrelerin çeşitli dezavantajlarından dolayı aktif filtreler ön plana çıkmaktadır. Bu tez çalışmasında elektrikli araç batarya şarj sistemlerinin neden olduğu harmoniklerin azaltılması için iki farklı paralel aktif filtre modellemesi yapılmıştır. Sabit akım şarj profiline sahip bir elektrikli araç batarya şarj modeli geliştirilmiştir. Bu modelde yapılan benzetim çalışmasında toplam harmonik bozunum (THB) değeri yüzde 19 seviyelerinde çıkmıştır. Önerilen yapay sinir ağları (YSA) kontrollü paralel aktif filtresi ile bu THB değeri yüzde 4.66 seviyelerine düşürülmüştür. Ayrıca yapılan ikinci paralel aktif filtre modelinde YSA yerine senkron referans çatı yöntemi kullanılarak THB değeri yüzde 1 seviyelerine kadar indirilmiştir. Sonuç olarak her iki paralel aktif filtre modeli ile benzetim sistemindeki THB değeri uluslararası kuruluşların belirlemiş olduğu sınır değeri olan yüzde 5’in altına düşürülerek başarılı bir sonuç ortaya koymuştur.
Uzaktan algılama yöntemi kullanarak Sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti
Elektrik enerjisi, modern toplumların ekonomik ve teknolojik gelişiminde kritik bir rol oynamaktadır. Elektrik, sanayi üretimi, sağlık hizmetleri, eğitim ve iletişim gibi temel sektörlerde kesintisiz hizmet sunumunu mümkün kılarak yaşam kalitesini artırmaktadır. Elektrik enerjisinin iletilmesi, verimli enerji dağıtımı için yüksek gerilim hatları aracılığıyla gerçekleştirilmektedir. Bu hatlar, enerji iletim kayıplarını minimize ederek, enerji verimliliğini ve sürdürülebilirliğini artırır. Elektrik enerjisinin güvenli ve kesintisiz iletimi, altyapının sağlamlığı ve bakımı açısından büyük önem taşımaktadır. Bu çalışmada, uzaktan algılama ve farklı makine öğrenme teknikleri kullanarak Batman çevresindeki yüksek gerilim hattı direklerinin tespit edilmesi amaçlanmıştır. Sentinel-1 Synthetic Aperture Radar (SAR) uydusu kullanılmıştır. DY (Düşey-Yatay), DD (Düşey-Düşey) polarizasyon modları verisetini oluşturmuştur. Bu verisetleri makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait algoritmalar (Destek vektör makinesi, KNN, Karar Ağacı, Quadratic Discriminant, Naive Bayes) tarafından çözümlenmiştir. Sonuç olarak Destek vektör makinesi modeli ile %85.0; Quadratic Discriminant modeli ile %82.5; KNN modeli ile %82.2; Karar Ağacı modeli ile %76.8; Naive Bayes modeli ile %74.0 başarı oranı sağlanmıştır. Çalışma yapay zekâ kullanılarak yüksek gerilim direklerinin daha doğru, hızlı ve belirli periyotlarla kontrolüne olanak sağlamaktadır. Geleneksel yöntemlerin yüksek gerilim hatlarının kontrolünde zaman alıcı ve maliyetli olduğu göz önüne alındığında, bu çalışma amacı, enerji nakil hatlarının izlenmesi ve bakım süreçlerinin iyileştirilmesine katkıda bulunarak enerji altyapısının verimliliğini artırmaktır.
Uzaktan algılama ve makine öğrenmesi yaklaşımı ile Batman Çayı’nın yıllara göre su akış rejimi değişiminin incelenmesi
Dünya üzerinde birçok akarsu bulunmaktadır. Doğal su kaynaklarından meydana gelen akarsular arazi eğimine de uyum sağlayacak bir biçimde kendi su yollarını oluşturmuşlardır. Arazi şartlarına ve insanların araziler üzerinde meydana getirdiği değişikliklere bağlı olarak bazı bölgelerde geniş su yatakları, bazı bölgelerde ise dar su yatakları meydana gelmiştir. Aynı zamanda yağış şartlarının ve çevresel koşulların da etkisiyle bu durum yıllara göre su yataklarının değişmesine sebep olmuştur. Akarsuların su yolunun yıllara göre sabit olmaması metrekarelerce alanın ticari (tarım, sanayi, turizm vb.) anlamda değerlendirilememesine sebep olmaktadır. Bu durum devletler için de ekonomik anlamda negatif etki yaratmaktadır. Su yollarının yıllara göre değişmeyerek sabitlenmesi durumunda, tarım vb. amaçla bölgeye kazandırılacak olan alanlar, hem bölge halkının hem de devletin ekonomik anlamda kalkınmasına katkı sağlayacaktır. Bu çalışmada Batman Çayı’nın yıllara göre su yolu değişimi uzaktan algılama verileri ve farklı makine öğrenmesi teknikleri yardımıyla tespit edilmiştir. Bu değişim sebebiyle tarım vb. amaçla kullanılamayarak su yatakları içinde kalan alanların kazandırılabilmesi adına su yolunun sabitlenmesi analiz edilmiştir. Sonuç olarak su yolunun sabitlenerek yıllara göre değişmeyeceği senaryoda kazandırılacak alanın hem ülke ekonomisine hem de Batman halkına fayda sağlayacağı değerlendirilmektedir.
Orman yangınlarının makine öğrenmesi ve uzaktan algılama yöntemleri kullanılarak tahmin edilmesi ve duyarlılık haritasının oluşturulması
Türkiye’de orman yangınları, özellikle Akdeniz ve Ege Bölgesi’nde yaz aylarında meydana gelmektedir. İklim değişikliği, insani sebepler, bölgenin iklimsel özellikleri orman yangınlarına sebep olmakta, hem meydana geldiği yerdeki orman varlığını yok etmekte hem de ekonomik ve çeşitli çevresel sorunlara sebep olmaktadır. Bu sebeple roman yangınlarının önceden tespit edilmesi ve yangın meydana gelme potansiyeli bulunan alanların analiz edilmesi büyük önem arz etmektedir. Bu çalışmada Türkiye’de orman yangınların tespit ve tahmin edilmesi amacıyla uzaktan algılama ve makine öğrenmesi yöntemleri kullanılmıştır. Fire Information for Resource Management (FIRMS) veri setinden zamansal orman yangınlarına ilişkin veriler elde edilmiş, ECMWF Re-Analysis-5 (ERA-5), National Aeronautics and Space Administration (NASA) Global Land Data Assimilation System (GLDAS), National Aeronautics and Space Administration (NASA) Shuttle Radar Topography Mission (SRTM) veritabanlarından ise Antalya ilinin çeşitli iklim özellikleri elde edilerek yeni bir veri seti oluşturulmuştur. Veri seti, Ada Boost, Decision Tree (Karar Ağaçları), Gradient Boosting Machine (GBM), K-Nearest Neighbours (KNN), Logistic Regression (Lojistik Regresyon), Support Vector Machine (Destek Vektör Makinesi, SVM) ve Artificial Neural Network (Yapay Sinir Ağı, YSA) algoritmaları ile değerlendirilmiş ve sonuçlar Jenks Natural Breaks sınıflandırma yöntemi ile sınıflandırılarak bölgenin orman yangını duyarlılık haritalarının oluşturulması sağlanmıştır. Deneysel sonuçlara göre en başarılı algoritma Ada Boost olarak tespit edilmiştir (Sensitivity=0,93, Specificity=0,95, Accuracy=0,94, Kappa=0,88, AUC=0,99). Bu modeller Türkiye’de Akdeniz ve Ege Bölge’sinde orman yangınlarının aylık ve mevsimlik duyarlılık haritalarının oluşturulmasında kullanılabilecek, böylece orman yangınları meydana gelmeden önce gerekli önleyici tedbirler alınabilecektir.
Yapay zekâ tekniklerini kullanarak rulmanlarda arıza ve kalan faydalı ömür tahmini
Bu tez, endüstriyel makinelerin kritik bileşenlerinden biri olan rulmanların arıza teşhisi ve ömrü tahmini konularında yenilikçi yaklaşımlar sunmaktadır. Rulmanların arızalanması, makine performansında ciddi kayıplara ve yüksek ekonomik maliyetlere yol açabileceği için, bu alandaki erken teşhis ve ömür tahmin çalışmaları büyük bir önem taşımaktadır. Çalışmada, rulman arızalarının teşhisi için lazer ışını kullanarak yapay hatalar oluşturulmuş ve bu hatalar farklı hız ve yük koşullarında detaylı titreşim analiziyle incelenmiştir. Entropi tabanlı 18 farklı yöntemle öznitelikler çıkarılmış ve söz konusu öznitelikler Ekstrem Öğrenme Makinesi (ELM) modeli ile sınıflandırılmıştır. Özellikle Fuzzy Entropi ve Slope Entropi yöntemleri, sırasıyla %98.48 ve %100 doğruluk oranlarıyla yüksek performans sergilemiştir. Önerilen yöntem, literatürdeki diğer modern yaklaşımlarla karşılaştırıldığında üstünlük göstermiştir. Çalışmanın bir diğer önemli kısmı, MM-1D-LBP yöntemi ile öznitelik çıkarımı ve 1D-CNN-LSTM tabanlı hibrit bir model kullanılarak rulman arızalarının tahmin edilmesidir. Bu yöntemle %99.31 ile %99.65 doğruluk oranları elde edilmiştir. Literatürde sıklıkla kullanılan GRU ve LSTM tabanlı modellerle kıyaslandığında, önerilen yaklaşım daha yüksek doğruluk sunmuş ve özellikle karmaşık arıza tiplerinin sınıflandırılmasında başarılı olmuştur. Rulman ömrü tahmini kapsamında, 1D-TP ve LSTM modellerinin birleştirildiği bir yöntem geliştirilmiş ve bu yöntem, Pronostia platformundaki veri setleri üzerinde test edilmiştir. Titreşim sinyallerine dayalı olarak yapılan analizlerde, Bearing3_3 senaryosunda RMSE=0.0470 ve Score=0.6360 gibi düşük hata ve yüksek performans değerleri elde edilmiştir. Önerilen model, literatürdeki diğer yöntemlere kıyasla daha düşük hata oranları ile öne çıkmaktadır. Örneğin, Bi-LSTM (RMSE=0.2300) ve Relief-SVM (RMSE=0.2500) gibi yöntemlere kıyasla, önerilen 1D-TP+LSTM modelinin RMSE değeri 0.2074 olarak kaydedilmiş ve daha iyi bir tahmin doğruluğu sağlanmıştır. Sonuç olarak, bu çalışma, entropi tabanlı ELM ve 1D-TP+LSTM gibi yenilikçi yöntemlerle hem arıza teşhisi hem de ömür tahmini alanlarında önemli katkılar sunmaktadır. Geliştirilen modeller, endüstriyel bakım süreçlerinde daha hızlı, güvenilir ve düşük maliyetli çözümler sağlamaktadır. Çalışma bulguları hem akademik literatüre hem de endüstriyel uygulamalara değerli bir referans oluşturmaktadır. Gelecekte, farklı veri setleri ve çalışma koşullarında modelin genelleme kapasitesinin artırılması ve entropi yöntemlerinin çeşitlendirilmesi, önerilen yaklaşımların etkinliğini daha da artırabilir.
Metasezgisel optimizasyon algoritmalarıyla fotovoltaik modellerde parametre tahmini ve performans karşılaştırılması
Güneş enerjisi, yenilenebilir enerji kaynakları arasında sürdürülebilirliği ve geniş uygulama potansiyeli nedeniyle önemli bir yer tutmaktadır. Bu enerji kaynağının en verimli şekilde kullanılabilmesi için fotovoltaik (PV) sistemlerin performansını etkileyen parametrelerin doğru ve güvenilir bir şekilde tahmin edilmesi kritik bir rol oynamaktadır. PV parametre tahmini, güneş panellerinin elektriksel karakteristiklerinin hassas bir şekilde belirlenmesini sağlayarak sistem verimliliğini artırmakta ve enerji üretim süreçlerini optimize etmektedir. Bu bağlamda, PV sistemlerde kullanılan elektriksel modellerin doğruluğu, sistem tasarımı ve performans iyileştirme açısından hayati bir öneme sahiptir. Bu tez çalışmasında, PV hücre parametrelerinin tahmini için yeni ve etkili meta-sezgisel optimizasyon algoritmaları önerilmiştir. Önerilen yaklaşımlar, vektörlerin ağırlıklı ortalaması (INFO), ikinci dereceden interpolasyon optimizasyonu (QIO) ve boyunlu kertenkele optimizasyonu (FLO) algoritmalarıdır. Ayrıca, bu algoritmalara, PV sistemlerin doğrusal olmayan akım-gerilim karakteristiklerini daha hassas bir şekilde belirlemek için Newton-Raphson (N-R) analitik yöntemi ile entegre edilerek optimizasyon performansları arttırılmıştır. Tez kapsamında, önerilen algoritmaların etkinliği ve doğruluğu, farklı veri setleri üzerinde test edilerek değerlendirilmiştir. R.T.C France, Photowatt-PWP201, STM6-40/36 ve STP6-120/36 veri setleri kullanılarak, tek diyot, çift diyot ve üç diyot elektriksel devre modelleriyle geniş kapsamda analizler gerçekleştirilmiştir. İlgili modellerin etkinliği, bireysel mutlak hata, bağlı hata, ortalama mutlak hata, ortalama yanlılık hatası, normalleştirilmiş RMSE, normalleştirilmiş MBE, normalleştirilmiş MAE, belirleme katsayısı ve t-istatistiği gibi çeşitli hata metrikleri kullanılarak detaylı bir şekilde karşılaştırılmıştır. Ayrıca, elde edilen akım-gerilim ve güç-gerilim karakteristik eğrileri, yakınsama eğrileri, maksimum güç noktaları ve istatistiksel metrikler ile değerlendirilerek algoritmaların performansları derinlemesine incelenmiştir. Elde edilen bulgular, INFO, QIO ve FLO algoritmalarının literatürde önerilen meta-sezgisel optimizasyon yöntemlerine kıyasla belirgin avantajlar sunduğunu ortaya koymuştur. Bu algoritmalar, PV sistem performansını optimize etmede yüksek hassasiyet, hızlı yakınsama ve stabil sonuçlar sağlayarak endüstriyel ve akademik kullanım potansiyelini güçlendirmektedir. Özellikle, optimize edilen parametre tahmini sayesinde, PV sistemlerin enerji dönüşüm verimliliğinin arttırılabileceği ve gerçek dünya uygulamalarında daha etkili bir şekilde kullanılabileceği gösterilmiştir.
Hibrit pompaj depolama sistemlerinin modellenmesi, optimizasyonu ve fayda maliyet analizi
Günümüzde artan enerji talebi ve iklim değişikliğiyle mücadele gerekliliği, sürdürülebilir enerji çözümlerine olan ilgiyi artırmaktadır. Fosil yakıtlara bağımlılığı azaltmaya yönelik politikalar, yenilenebilir enerji kaynaklarının kullanımını artırmaktadır. Bu doğrultuda, enerji depolama sistemleri enerji güvenliğini sağlamak, arz-talep dengesini korumak ve yenilenebilir enerji kaynaklarını entegre etmek açısından kritik bir rol oynamaktadır. Özellikle Pompalı Hidroelektrik Depolama (PHD) sistemleri, uzun ömürlü, çevre dostu ve yüksek kapasiteli bir depolama yöntemi olarak öne çıkmaktadır. Türkiye'nin hidroelektrik potansiyeli göz önüne alındığında, mevcut rezervuarların PHD sistemlerine dönüştürülmesi, enerji sürekliliği için önemli bir fırsat sunmaktadır. Bu çalışma, Türkiye'deki hidroelektrik rezervuarlarının PHD sistemlerine dönüştürülmesini teknik, ekonomik ve çevresel boyutlarıyla kapsamlı bir şekilde ele almaktadır. İlk olarak, ikinci rezervuar için saha seçimi gerçekleştirilmiştir. Ardından, hidrolik kayıpları dikkate alan detaylı matematiksel modelleme ile PHD sisteminin enerji potansiyeli belirlenmiştir. Hibrit enerji sistemleriyle entegrasyonu değerlendirilerek, farklı senaryolar altında maliyet ve verimlilik analizleri yapılmıştır. Bu araştırma, saha seçimi, teknik modelleme ve ekonomik analizi bir arada ele alarak literatüre önemli bir katkı sunmaktadır. Pilot bölge olarak Batman Barajı ve Hidroelektrik Santrali belirlenmiştir. Uygun ikinci rezervuar alanının belirlenmesi için Coğrafi Bilgi Sistemi (CBS) tabanlı çok kriterli karar verme analizi uygulanmıştır. Dijital Yükseklik Modeli (DYM) kullanılarak jeoloji ve arazi kullanım haritaları oluşturulmuş ve potansiyel rezervuar alanı belirlenmiştir. Enerji potansiyelini hesaplamak için hidrolik kayıplar, buharlaşma ve yağış etkilerini içeren matematiksel model Simulink ortamında geliştirilmiştir. Matematiksel modelleme sonuçlarına göre, tasarlanan PHD sisteminin kurulu gücü 1299 kW olarak hesaplanmış ve sistemin 5 saat boyunca 6500 kWh enerji sağlayabileceği belirlenmiştir. Elde edilen enerji potansiyeli verileri, Çoklu Enerji Kaynakları Hibrit Optimizasyonu yazılımına entegre edilerek üç farklı senaryo kapsamında teknik ve ekonomik fizibilite analizleri yapılmıştır. Senaryolar, güneş-rüzgâr-jeneratör-PHD, güneş-jeneratör-PHD ve rüzgâr-jeneratör-PHD sistemlerini kapsamaktadır. Her bir sistemin geri ödeme süresi, seviyelendirilmiş enerji maliyeti (COE) ve net bugünkü maliyet (NPC) açısından karşılaştırmalı analizleri yapılmıştır. Sonuçlara göre, PHD entegrasyonu ile enerji maliyetlerinde %30’a kadar düşüş sağlamıştır. Güneş-rüzgâr-jeneratör-PHD sisteminin yatırım getirisi (ROI) %48,2'ye ulaşırken, geri ödeme süresi yaklaşık 2 yıl olarak hesaplanmıştır. Ayrıca, analizler sonucunda karbon emisyonlarında %66,2’ye varan bir azalma sağlandığı belirlenmiştir. Bu bulgular, hibrit enerji sistemlerine PHD entegrasyonunun ekonomik ve çevresel kazanımlar sağlayarak sürdürülebilir enerji politikalarına önemli katkılar sunduğunu göstermektedir. Gelecekteki çalışmalarda, PHD sistemlerinin farklı enerji depolama yöntemleriyle karşılaştırılması ve saha verileri ile model doğrulamalarının yapılması, sistemin uygulanabilirliğinin daha kapsamlı bir şekilde değerlendirilmesine katkı sağlayacaktır. Ayrıca, yüzer PV sistemleri gibi alternatif yenilenebilir enerji çözümleriyle entegrasyon incelenerek, verimlilik ve su kaybı yönetimi açısından potansiyel avantajlar araştırılabilir.
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.
Gen dizilerinin tanımlanması ve sınıflandırılması amacıyla yapay zekâ sistemlerinin geliştirilmesi
Dünya genelinde milyarlarca virüs türü bulunmakta ve en küçük parazit varlıklar olan virüsler ciddi bir tehdit oluşturmaktadır. Virüslerin geniş çeşitliliği ve hızlı evrimi göz önüne alındığında, bulaşma dinamiklerini daha iyi anlamak ve hedefe yönelik tedavilerin geliştirilmesini kolaylaştırmak amacıyla viral türlerin ve potansiyel konakçılarının hızlı ve doğru bir şekilde sınıflandırılmasına ihtiyaç duyulmaktadır. Bu kapsamda, çalışmada patojenik tek sarmallı RNA virüslerinden oluşan ve farklı viral türler ile konakçılar içeren PhyVirus veri seti incelenmiştir. Tez, üç ana bölümden oluşmakta olup her bölüm, genetik dizilerin sınıflandırılmasına farklı bir perspektiften yaklaşmaktadır. İlk bölümde, K-Mer kodlama yöntemi ile viral aileler ve konakçılar, Random Forest, Gradient Boosting, Extra Trees ve Tam Bağlantılı Derin Sinir Ağı (FCDNN) gibi Makine Öğrenmesi ve Derin Öğrenme algoritmaları kullanılarak sınıflandırılmıştır. FCDNN yöntemiyle virüs ailelerinin %99,60 başarı oranıyla tahmin edilmesi, çalışmanın önemli sonuçlarından biridir. Konak tahmininde ise en yüksek başarı %81,53 oranıyla ExtraTrees sınıflandırıcısı ile elde edilmiştir. Gen dizilerinde K-Mer kodlamaya dayanan farklı kelime uzunluklarının, viral ailelere ve konakçılara göre sınıflandırmaya etkisi değerlendirilmiş, sınıflandırma sonuçlarına ve literatür araştırmasına dayanarak konakçılar arasındaki akrabalık, genetik benzerlikler ve evrimsel ilişkiler incelenmiştir. İkinci bölümde, gen dizilerinin grafik ve görüntü tabanlı kodlama teknikleri (FCGR, DNAWalk, Gri Ölçekli Dönüşüm) kullanılarak sınıflandırılması gerçekleştirilmiştir. Bu teknikler, bir CNN modeli (InceptionV3) ile analiz edilmiş ve Gri Ölçekli Dönüşüm yöntemi ile %99,89 olarak doğruluk oranına ulaşılmıştır. DNAWalk uygulamasında gen dizisi yörünge görüntüleri %99,14 doğruluk oranıyla sınıflandırılmıştır. FCGR uygulamasında ise k'nın 3 ile 8 değerleri arasında gerçekleştirilen kodlamalarda en yüksek doğruluk %99,85 olarak elde edilmiştir. Bu tekniklerle yapılan kodlamalar, viral aileler ve konakların daha doğru sınıflandırılmasına olanak tanımıştır. Mevcut literatür incelendiğinde, gen dizilerinin farklı kodlama yöntemleriyle bir veri seti üzerinde uygulanıp bu yöntemlerin sınıflandırma performansına etkilerinin kapsamlı şekilde analiz edildiği başka bir çalışma bulunmamaktadır. Bu tez çalışmasının, bu alandaki önemli bir boşluğu doldurarak literatüre anlamlı bir katkı sunması amaçlanmaktadır. Gen dizileri, çeşitli biyolojik ve teknik süreçlerden geçerek analiz için hazır hale getirilmektedir. Ancak bu süreçlerin herhangi bir aşamasında ortaya çıkabilecek hatalar, gen dizilerinde eksik verilere neden olabilmektedir. Literatürde sıkça tartışılan eksik veri tahmini, genellikle verilerin hizalanmış olmasını gerektiren mevcut yöntemlere dayanmaktadır. Tezin üçüncü bölümünde, eksik veri tahmin yöntemleri ele alınmış ve KNN-Imputation yöntemi için yeni bir yaklaşım geliştirilmiştir. PhyVirus veri setindeki gen dizilerinin farklı uzunlukları, mevcut eksik veri tahmin yöntemlerinin doğrudan uygulanmasını engellemiştir. Bu sorun, geliştirilen KNN-Imputation yaklaşımıyla çözülerek çalışmaya özgün bir katkı sağlanmıştır. Bu tez, genetik dizilerin kodlanması, sınıflandırılması ve eksik verilerin tahmini için yenilikçi yaklaşımlar geliştirmeyi ve bu yöntemlerin biyoinformatik araştırmalarda nasıl kullanılabileceğini ortaya koymayı amaçlamaktadır. Elde edilen sonuçlar, viral genom analizi ve sınıflandırma süreçlerine yeni metodolojik katkılar sunarak, bu alandaki bilimsel çalışmalara önemli bir referans niteliğinde olmayı hedeflemektedir.
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.
Uzaktan algılama verileri kullanılarak yapay zekâ ile deprem sonrası hasar tespiti
Deprem meydana gelen büyüklüğe bağlı olarak oldukça yıkıcı etkilere sebep olabilmektedir. Özellikle Türkiye’de 6 Şubat 2023 tarihinde meydana gelen 7.7 ve 7.6 büyüklüğündeki depremler örnek olarak verilebilir. Hatay bu iki büyük depremden fazlasıyla etkilenmiş ve çok geçmeden 20 Şubat tarihinde 6.4 büyüklüğünde üçüncü bir deprem daha yaşamıştır. Her üç depremde çok fazla sayıda insan yaralanmış, hayatını kaybetmiş, binalar hasar görmüş veya yıkılmıştır. Depremin sebep olduğu hasarı tespit etmek ise kurtarma ve yardım faaliyetlerinin bölgeye koordineli ve hızlı bir şekilde iletilebilmesi konusunu gündeme getirmiştir. Depremlerin kısa süreli aralıklarla meydana gelmesi deprem sonrası bina hasarı tespitinin ivedilikle yapılması gerektiği gerçeğini gözler önüne sermiştir. Çalışmada, Hatay iline ait deprem sonrası uzaktan algılama yöntemi ile elde edilen Sentinel-2 uydusu tarafından çekilen görüntüler kullanılmıştır. Bu görüntülerden ulaşılan veriler makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait beş algoritma (destek vektör makinesi, karar ağaçları, Naive Bayes ve k-NN ve ensemble) tarafından çözümlenmiştir. K-En yakın komşuluk (KNN) modeli ile % 85.1; karar ağaçları (Decision Tree-DT) modeli ile % 81.6; destek-vektör matrisi ile %62.1; Navie Bayes modeli ile %66.8 ve Ensemble modeli ile % 86 başarı oranı sağlanmıştır. Çalışma sayesinde deprem sonrası bina hasar tespitine ait görüntü yansıma verilerinin yapay zekâya öğretilmesi ile daha hızlı sonuç elde edildiği görülmüştür. Çalışmanın amacı bu işlevin gerçekleşmesi ile yardım faaliyetlerinin koordinasyonunun hızlı bir şekilde yerine getirilmesidir.
İdeal olmayan da-da düşürücü dönüştürücüler için optimal kesir dereceli pıd denetleyici tasarımı
Bu çalışmada, bir ideal olmayan doğru akımdan-doğru akıma (DA-DA) düşürücü dönüştürücü için kesir dereceli oransal-integral-türev (FOPID) denetleyici tasarımı yapılmıştır. FOPID denetleyicinin kazanç parametreleri, bozucu etkiler dikkate alınarak ve arzu edilen bir sıfır desibel geçiş frekansı aralığında kısıtlama yapılarak tasarlanan özgün bir sezgisel üstü algoritma olan karşıt-tabanlı iş birliği arama algoritması ve Nelder-Mead (OCSANM) isimli algoritma tarafından elde edilmiştir. İlk defa bu çalışma ve bu çalışmadan üretilmiş yayınlar aracılığı ile literatüre kazandırılmış olan OCSANM, iş birliği arama algoritmasına (CSA) Nelder-Mead (NM) algoritması ve karşıt-tabanlı öğrenme (OBL) yöntemleri entegre edilerek elde edilmiştir. OBL, algoritmanın keşif kabiliyetini, NM ise sömürü kabiliyetini geliştirmek için eklenmiştir. Bununla birlikte FOPID denetleyicili ideal DA-DA düşürücü dönüştürücü sistemleri için herhangi bir kısıtlama dahil edilmeden tasarlanmış ve literatürde bu tezin yazıldığı tarihe kadar en yüksek performanslı algoritmalar olan geliştirilmiş açlık oyunları arama (IHGS) ve benzetimli tavlama ile geliştirilmiş Lévy uçuş dağılımı (LFDSA) algoritmaları bu çalışma için sıfır desibel geçiş frekansı kısıtı eklenerek ideal olmayan DA-DA düşürücü dönüştürücü için yeniden tasarlanmış olup önerilen algoritma ile karşılaştırılmıştır. Bu karşılaştırmalar, kutu grafiği analizi, parametrik olmayan istatistiksel testler, kıyaslama fonksiyonları analizi ve yakınsama davranışı gibi analizlerden oluşmaktadır. Bu karşılaştırmalar ile OCSANM’nin en üstün olan yaklaşım olduğu gösterilmiştir. OCSANM ve bu çalışma için yeniden tasarlanmış olan IHGS ve LFDSA algoritmaları ilk defa bu çalışmada ideal olmayan DA-DA düşürücü dönüştürücülerin denetiminde kullanılan bir FOPID denetleyiciye uygulanarak optimum denetleyici parametreleri elde edilmiştir. OCSANM tabanlı FOPID denetleyicili ideal olmayan DA-DA düşürücü dönüştürücü sistemi, CSA, IHGS ve LFDSA algoritma tabanlı sistemler ile birlikte geleneksel bir yöntem olan kutup yerleştirme (PP) yöntemi ile karşılaştırılmıştır. Bu karşılaştırmada, geçici hal ve frekans cevapları, referans gerilimi takibi, amaç fonksiyonu değerleri, ölçüm gürültüsü ve gürbüzlük analizleri incelenmiştir. Önerilen OCSANM tabanlı sistemin, IHGS, LFDSA ve PP ile karşılaştırıldığında sırasıyla %25.98, %36.71 ve %70.63 daha hızlı yükselme süresi; %14.74, %20,56 ve %78.58 daha hızlı yerleşme süresine sahip olduğu hesaplanmıştır. Ayrıca OCSANM tabanlı sistemin, mevcut yaklaşım tabanlı sistemlerden sırasıyla %38.59, %53.68 ve %67.39 daha fazla bant genişliğine sahip olduğu ölçülmüştür. Bunların yanında OCSANM, CSA, IHGS ve LFDSA algoritmalarının sağladığı optimum FOPID denetleyici parametreleri ve PP yönteminin sağladığı filtreli PID (FPID) parametreleri kullanılarak elde edilmiş ideal olmayan DA-DA düşürücü dönüştürücü sistemlerinin, işlemsel kuvvetlendiriciler (İK) ile analog devreleri gerçekleştirilmiştir. Bu devreler PSIM yazılımında tasarlanmış olup karşılaştırılan tüm yöntemler için geçici hal cevapları, yük ve giriş gerilimi değişimlerinin çıkış gerilimine etkisi ve frekans cevabı analizleri yapılmıştır. MATLAB ortamında yapılan karşılaştırmalarla uyumlu olacak şekilde en iyi sonuçların OCSANM tarafından elde edildiği gösterilmiştir. Bu bulgular, ideal olmayan DA-DA düşürücü dönüştürücü sistemleri için FOPID denetleyicilerin tasarlanmasında OCSANM algoritmasının etkinliğini doğrulamıştır. Son olarak, seçilen yaklaşım yönteminin daha verimli bir yöntem olduğunu göstermek amacıyla, FOPID denetleyicinin tam sayı dereceli hale getirildikten sonra benimsenen derece düşürme seviyesi ile farklı yaklaşım alma yöntemlerinin sistem performansı üzerindeki etkileri incelenmiştir.
Tarımsal sulama sistemlerinde enerji verimliliği ve şebeke kararlılığı için d-statcom uygulaması: Modelleme, simülasyon ve performans analizi
Bu tez çalışmasında, tarımsal sulama sistemlerinde reaktif güç yönetimi ve gerilim kararlılığını artırmaya yönelik bir çözüm olarak D-STATCOM’un modeli geliştirilmiş ve performansı incelenmiştir. Çalışmada, D-STATCOM’un reaktif güç dengeleme, gerilim düzenleme ve frekans kontrolü üzerindeki etkileri MATLAB Simulink ortamında modellenmiş ve analiz edilmiştir. Tarımsal sulama sistemleri, genellikle yüksek reaktif güç talebi nedeniyle şebeke kararlılığı ve enerji kalitesini olumsuz etkileyebilen motorlar ve pompalar gibi endüktif yüklerin yoğun olduğu sistemlerdir. Bu çalışmada, D-STATCOM’un sulama fiderlerindeki reaktif güç dalgalanmalarını dengeleyerek güç faktörünü iyileştirdiği ve gerilim seviyelerini stabilize ettiği gösterilmiştir. Simülasyon sonuçları, D-STATCOM’un yük değişimlerine hızlı bir şekilde yanıt verdiğini ve sistem kararlılığını artırdığını ortaya koymaktadır.Çalışmada, D-STATCOM’un kontrol mekanizmaları detaylı bir şekilde incelenmiş, referans gerilim (Vref) ve referans akım (Iqref) değerlerine dayalı reaktif güç yönetimi başarıyla gerçekleştirilmiştir. Endüktif yüklerin neden olduğu gerilim düşüşlerinde D-STATCOM’un reaktif güç sağlayarak, kapasitif yüklerin neden olduğu gerilim yükselmelerinde ise reaktif güç çekerek gerilim profillerini stabilize ettiği tespit edilmiştir. Ayrıca, inverter çıkışındaki harmoniklerin LC filtrelerle temizlenmesi sayesinde enerji kalitesinin artırıldığı ve sistemin güvenilirliğinin sağlandığı görülmüştür. Simülasyon verileri, D-STATCOM’un devreye girdiği durumlarda, şebeke kararlılığının yaklaşık 0.1 saniye gibi kısa bir sürede sağlandığını göstermiştir. Güç faktörünün 0.7 seviyesinden 0.95 seviyesine çıkarılması ve enerji kayıplarının %15 oranında azaltılması, D-STATCOM’un tarımsal sulama sistemlerinde enerji verimliliği sağlama konusundaki etkinliğini ortaya koymaktadır. Bu çalışma, tarımsal sulama fiderlerinde reaktif güç yönetimi ve enerji kalitesinin artırılması için D-STATCOM’un önemli bir çözüm sunduğunu göstermektedir. Gelecekte, D-STATCOM’un yenilenebilir enerji kaynakları ve enerji depolama sistemleriyle entegrasyonu, bu teknolojinin daha geniş çaplı uygulamalarını destekleyebilir. Bu bağlamda, çalışma bulguları, tarımsal sulama sistemlerinde enerji verimliliği, şebeke kararlılığı ve sürdürülebilir enerji yönetimi için D-STATCOM’un kritik bir araç olduğunu kanıtlamaktadır.
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.
Makine öğrenmesi yöntemleri kullanılarak felç (inme) tespiti
Felç, beyne giden kan akışının aniden kesilmesi olarak tanımlanır. Kan akışının kesildiği bölgedeki hücreler zamanla işlevselliğini kaybederek vücudun etkilenen bölgesinde kalıcı hasara neden olabilmektedir. Felç; yaş, mesleki durum, bazı kronik rahatsızlıklar ve ailede daha önce geçirmiş olan bireylerin bulunması gibi birçok etkene bağlı olabilir. Bu etkenlerin değerlendirilmesi ve felç riskinin tahmin edilmesi maliyet ve zaman bakımından oldukça fazla olduğundan kişinin kalıcı bir hasarla karşı karşıya olma tehlikesi artmaktadır. Günümüz teknolojisinde ise Yapay Zekâ ve Makine Öğrenmesi modellerinde son noktaya bakıldığında milyonlarca veri üzerinde iyileştirme yapılarak riskin olup olmadığı konusunda karar vermek saniyeler sürmektedir. Bu çalışmada da zamandan tasarruf edilerek insan sağlığının bu tehlikeden korunması hedeflenerek Makine Öğrenmesi yöntemlerinden olan Lojistik Regresyon, K-En Yakın Komşu, Destek Vektör Makineleri ve Karar Ağaçları modelleri kullanılarak bireyin felç geçirme riski taşıyıp taşımadığının en güvenilir şekilde belirlenmesi amaçlanmıştır. Çalışma sonucunda ise veri seti üzerinde en yüksek başarı oranını elde eden yöntemin %91 ile Karar Ağaçları metodu olduğu görülmüştür. Ardından başarı oranlarına göre yöntemlerin sıralaması ise %89 oranıyla Destek Vektör Makineleri, %81 oranıyla K-En Yakın Komşu modeli ve son olarak Lojistik Regresyon metodu %75 şeklinde sonuçlanmıştır.
AVR sisteminin PID kontrolör parametrelerinin RSA algoritması kullanılarak optimizasyonu
Bu tez çalışmasında, jeneratörlerde çıkış gerilimlerinin istenilen AVR sisteminin kontrolörsüz modeli incelenmiştir. Sonra durum uzay denklemi çıkarılmıştır. Buradan sisteme PID kontrolörü eklenerek modelleme yapılmıştır. Daha sonra kontrolörlü modelin sonuçları grafiksel olarak gösterilmiştir. En son aşamada ise Sürüngen Arama Algoritması (RSA) açıklanarak PID kontrolör parametrelerinin optimizasyonu amaçlanmıştır. Sonuçlar grafiklerle desteklenmiştir.
Meta-sezgisel algoritmaların sistem tanımlama problemlerine uygulanması
Son yıllarda çeŞitli optimizasyon problemlerini çözmek için kullanılan meta-sezgisel optimizasyon algoritmalarının sayısında önemli artıŞlar yaŞanmıŞtır. Bu tür algoritmalar, biyolojik evrim, sürü davranıŞı, bitki büyüme süreçleri vb. gibi fenomenlerden ilham alarak tasarlanmıŞtır. Çok çeŞitli algoritmalar olmakla birlikte genetik algoritma, parçacık sürü optimizasyon algoritmaları oldukça popülerdir. Meta-heuristik algoritmalar, makine öğrenmesinde hiperparametre hesaplama, kontrolör tasarımı, finans vb. çok çeŞitli uygulama alanlarında etkin bir Şekilde kullanılmaktadır. Yapılan literatür araŞtırmalarında meta-heuristik algoritmaların sistem tanımlama problemlerine uygulanmasında önemli eksiklikler olduğu belirlenmiŞtir. Sistem tanımlama yöntemleri, sistemin giriŞ ve çıkıŞ verilerini kullanarak sistemin matematiksel modelini belirlemeye çalıŞır. Bir sistemin matematiksel modelini elde etmek genellikle zahmetli ve karmaŞık bir süreç olabilir. Bu sürecin giriŞ/çıkıŞ verilerinin analiz edilmesi yoluyla sistem tanımlama yöntemleri kullanarak aŞmak mümkündür. Bu Şekilde, sistemin davranıŞını anlamak ve optimize etmek için kullanılabilecek bir model elde edilebilir. Bu çalıŞmada, Meta-sezgisel algoritmalar, saç kurutma(hair-dryer) deney setinden alınan giriŞ/çıkıŞ verileri kullanılarak sistemin modelini elde etmek için kullanılmıŞtır. Tezde; yapay ekosistem (AEO), çiçek tozlaŞma (FPA), karınca aslanı (ALO), güve-alev (MFO), halat çekme (TWO), atom arama (ASO), beyin fırtınası (BSO), su döngüsü (WCA), mercan resifleri (CRO) ve yaŞam seçimi tabanlı algoritma (LCO) gibi çeŞitli meta sezgisel optimizasyon algoritmaları ele alınmıŞ ve sistem tanımlama problemine uygulanmıŞtır. Belirtilen algoritmaların zaman, maksimum jenerasyon, erken durdurma ve fonksiyon hesaplama sınırlılıkları ele alınmıŞ ve performansları incelenmiŞtir. Algoritmaların performanslar karŞılaŞtırıldığında AEO algoritması, diğer algoritmalara göre yüksek bir performans göstermiŞtir. Yapılan analizler sonucunda önerilen meta-sezgisel algoritmaların sistem tanımlama problemlerine kolaylıkla ve baŞarıyla uygulanabileceği görülmüŞtür.
X-Ray görüntülerinden alt solunum yolu enfeksiyonlarının teşhisinde transfer öğrenme yöntemleri ve topluluk öğrenmeye dayalı yeni bir yaklaşım
Günümüzde virüslerin neden olduğu hastalıklar büyük salgınlara neden olarak milyonlarca insanın hayatını etkilemektedirler. Bu virüslerin neden olduğu hastalıklardan bazıları alt solunum yolu enfeksiyonları olup bunlar arasında COVID-19 salgını Corona virüsün neden son yılların en akut ve şiddetli virüslerinden birisidir. Virüs aşıları geliştirilmesine rağmen dünya genelinde COVID-19 vaka oranları hızla artmaktadır. COVID-19 ve diğer alt solunum yolları hastalıkların teşhisi için yapay zekâ tekniklerinin de kullanıldığı görülmektedir. Özellikle derin öğrenme teknikleri klasik PCR testi ve X-ray görüntülerin manuel yorumlanmasına göre daha hızlı ve başarılı sonuçlar üretmektedir. Derin öğrenme olarak da bilinen derin yapılandırılmış öğrenme, yorumlamalı öğrenme, aktarılmış öğrenme gibi metotlar yapay sinir ağı tabanlı yöntemlerdir. Bu çalışmada 9 farklı transfer derin öğrenme metodu tabanlı topluluk sınıflandırıcılı hibrit bir model ile X-ray görüntüleri kullanılarak COVID-19 ve diğer alt solunum yolu enfeksiyonu hastalıkların teşhisi gerçekleştirilmiştir. DeepFeat-E olarak isimlendirilen hibrit yaklaşım transfer modellerinden elde edilen derin öznitelikler ve klasik makine öğrenimi yöntemlerinden oluşan sınıflandırıcılar kullanılarak teşhis işlemi gerçekleştirmektedir. Önerilen yaklaşımı test etmek için 10.192 Normal, 6012 Akciğer Opaklığı (COVID Dışı akciğer enfeksiyonu), 1345 Viral Pnömoni ve 3616 COVID-19 (Hasta) toplamda 21.165 X-ray görüntüsünden oluşan veri seti kullanılmıştır. Önerilen yaklaşım ile en yüksek başarı DenseNet201 TÖ (Transfer Öğrenme) modellerine ait derin öznitelikler ve İstifleme topluluk öğrenme yöntemiyle elde edildiği görülmüştür. Dört, üç ve iki sınıfa sahip veri seti ile yapılan deneysel çalışmalarda sırasıyla test doğruluğu %90,17, %94,99 ve %94,93 olarak elde edilmiştir. Ayrıca sistemin tüm TÖ modellerinde elde edilen doğruluk değerlerini değişen miktarlarda arttırdığı görülmüştür. Bu tez çalışması kapsamında elde edilen sonuçlara göre, önerilen DeepFeat-E isimli hibrit sistemin alt solunum yolu enfeksiyon hastalıkların teşhisinde hızlı ve güvenilir bir şekilde kullanılabileceğini göstermiştir.
Elektrikli araç şarj istasyonu enerji ihtiyacının karşılanması teknik ve ekonomik analizi: Batman Üniversitesi Batı Raman Kampüsü örneği
Fosil yakıt kaynaklarının kullanımı dünyamıza ve atmosfere fazlaca zarar vermektedir. Atmosfere yayılan zararlı sera gazları hem atmosfer tabakasını delmekte hem de küresel ısınmayı tetiklemektedir. Bu zararlı gazların yayılmasın da otomobillerinde büyük payı vardır. Geçmişten günümüze kadar içten yanmalı motorlu araçların daha çok kullanıldığı görülmektedir. Hükümetlerin sıfır emisyon projeleri bu araçların üretimini azaltmaya yöneltmektedir. Son yıllarda elektrikli araçların gelişimi, batarya gücünün artırılması, uzun mesafelerin kat edilmesi, elektrikli araçlara ilgiyi artırmaktadır. Elektrikli araçlar (EV) çevreci, doğa dostu olduğundan şarj edilmesinde yenilebilir enerji kaynaklarından da faydalanılabilmektedir. Yenilenebilir kaynaklarla çalışan elektrikli araç şarj sistemleri, bu iki önemli yapının bir araya getirilmesiyle enerji sürdürülebilirliğini artırmayı hedeflemektedir. Yenilenebilir enerji kullanımı, fosil yakıtların tüketilmelerini ve emisyonları düşürerek iklim değişikliğiyle mücadelede etkili bir rol oynamaktadır. Bu çalışmada, Batman Üniversitesi Batı Raman Kampüsü’nde elektrikli araç şarj istasyonunun enerji ihtiyacını karşılamak için HOMER Pro ve RETScreen Expert programları kullanılarak, şebekeye bağlı yenilenebilir enerji kaynaklarından (güneş ve rüzgâr enerjisi) oluşan hibrit bir sistemin teknik ve ekonomik analizi gerçekleştirilmiştir. Çalışmada, Üniversite kampüsümüzün güneş ve rüzgâr enerji potansiyelleri incelenmiş, elektrikli araçlar için yük profili çıkartılmış, fotovoltaik (FV) ve rüzgar türbin (RT) sisteminin optimum boyutlandırması yapılmıştır. 200 kW boyutunda ayrı ayrı FV sistem, RT sistemi ve hibrit (FV+RT) sistem tasarlanmış, ekonomik ve teknik hesaplamaları yapılmıştır. Yapılan analizler sonucunda, FV sistem: amortisman süresi 7.73 yıl, seviyelendirilmiş enerji maliyeti -0,038 $/kWsa, net bugünkü maliyet -7,052,315 $, RT sistemi: amortisman süresi (değer yok), seviyelendirilmiş enerji maliyeti -0,0226 $/kWsa, net bugünkü maliyet -3,344,467 $ ve hibrit sistem: amortisman süresi 10.12 yıl, seviyelendirilmiş enerji maliyeti -0.0393 $/kWsa ve net bugünkü maliyet -6,848,665 $ olarak hesaplanmıştır. En ekonomik sistemin FV sistem olduğu ve yıllara göre kazanç sağladığı değerlendirilmiştir. En düşük emisyon değerlerine hibrit sistemde ulaşılmıştır.
Sokak aydınlatma sistemlerinde akıllı kontrol tekniği ile enerji tasarrufu sağlama ve güç kalitesi iyileştirme
Günümüzde kentsel altyapı tasarımının temel unsurlarını enerji verimliliği ve sürdürülebilirlik oluşturmaktadır. Bu bağlamda, sokak aydınlatma sistemleri, enerji tüketiminin optimizasyonunda önemli bir rol almaktadır. Geleneksel sokak aydınlatma sistemleri, genellikle sabit zaman aralıklarında çalışan ve çevresel koşulları dikkate almayan statik yapılar olarak kabul edilirken, akıllı sokak aydınlatma sistemleri bu alanda önemli bir dönüşümü temsil etmektedir. Geleneksel sokak aydınlatma sistemlerinin sınırlamaları göz önüne alındığında, akıllı sistemlerin enerji tasarrufu, çevresel etkilerin azaltılması ve şehir yönetiminin iyileştirilmesi gibi birçok avantajı bulunmaktadır. Bu tez çalışmasında, Işık yayan diyot lambalar gibi esnek aydınlatma teknolojisinin geniş çapta kullanılabilirliği ve kablosuz iletişim kabiliyetinin bulunmasıyla, hızlı tepki veren, güvenilir şekilde çalışan ve enerji tasarrufu sağlayabilen akıllı sokak aydınlatma sistemlerini geleneksel aydınlatma yöntemlerine göre farklarını ortaya koymuştur. Bunula birlikte farklı teknolojiler ve sensörlerin kullanımını değerlendirmektedir. Önerilen akıllı sokak aydınlatma sistem prototipi tasarlanmış olup gerçek kentsel bir ortamda uygulanmıştır.
Derin öğrenme teknikleri kullanılarak meyve ve sebzede çeşitli hastalıkların tespit edilmesi
Meyve ve sebze hastalıklarının gıda güvenliği ve sürdürülebilir tarım pratikleri açısından kritik önemi bulunmaktadır. Dolayısıyla hastalıklar ürün verimini düşürmekte, kaliteyi azaltmakta ve böylece küresel gıda arzını tehdit etmektedir. Bu hastalıklar aynı zamanda biyoçeşitliliği de olumsuz etkilemekte, ekosistem dengesini bozmakta ve çiftçilerin geçim kaynaklarını zayıflatmaktadır. Bu çalışmada, derin öğrenme teknikleri kullanılarak meyve ve sebzelerde görülen hastalıkların tespiti yapılmıştır. Bu araştırma kapsamında 12 sınıfa ait 2907 adet RGB görüntüden çevrimiçi bir veri seti elde edilmiştir. Her sınıf için veri genişletme yöntemi ile veri seti 2907'den 17442’e kadar çıkarılmıştır. Meyve ve sebzelerdeki çeşitli hastalıkların tespiti için 10 katmanlı evrişimli derin ağ modeli oluşturulmuş ve ön eğitimli derin ağ mimarileri ( InceptionV3 ve ResNet50) kullanılmıştır. Elde edilen sonuçlar, en başarılı yöntemleri belirlemek için zaman ve başarı oranı açısından karşılaştırılmıştır. Sağlanan analizlerin sonuçları ayrıca tasarlanan bu gerçek zamanlı sistem ile meyve ve sebzelerde hastalık görüntülerini tespit etme ve tahminlerini bilgisayar ekranına aktarmak için gerçekleştirilmiştir.
GRU ile bölgesel tüketim modelleme ve tahmin: Derin öğrenme ile tüketici 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.
Terahertz (THz) frekansta çalışan meta malzeme soğurucu tasarımı
Terahertz (THz) frekansındaki sinyaller yüksek nüfuz etme gücü, uygulama güvenliği, yüksek sinyal-gürültü oranı ve düşük iletim kaybı gibi pek çok özelliğe sahiptir. Ayrıca, daha geniş bant genişliği sayesinde, THz frekansında çalışan radarlar diğer radarlara kıyasla daha yüksek çözünürlüklü görüntüler elde etmeyi mümkün kılmaktadır. Bu özelliklere sahip olmasından dolayı THz frekans bandında çalışan bir radar, otomatik algılama ve gizli objeleri tespit etmede daha etkili olabilmektedir. Bu avantajlar göz önünde bulundurulduğunda, THz radar kullanımının artarak önceki radarların yerini alması kaçınılmazdır. Bununla beraber, özellikle askeri teknolojide, radara yakalanmadan hareket etme yeteneği günümüzde büyük bir önem kazanmıştır. Normal şartlarda THz radarlara karşı görünmezlik sağlayabilecek soğurucu malzemeler bulmak oldukça güçtür, zira doğal malzemeler THz frekansındaki sinyallere karşı zayıf bir etkiye sahiptir. Meta malzemeler, dielektrik özellikleri laboratuvar ortamında yapay olarak değiştirilmiş malzemelerdir. Meta malzemeler genellikle askeri alanlarda uçak, gemi ve denizaltı gibi araçların kaplamalarında kullanılarak radar sistemlerine yakalanma olasılığını neredeyse sıfıra düşürüp bu sayede istenilen görünmezliği sağlayabilmektedir. Bu tez çalışmasında, meta malzeme kullanılarak Terahertz (THz) seviyesinde çalışabilecek bir elektromanyetik ekran tasarımı üzerine odaklanılmıştır. Çalışmanın amacı, hedeflenen soğurma değerini elde edebilecek bir ekran tasarımı geliştirmektir. Prototip tasarım üzerinde yapılan simülasyonlar, %99,98 gibi yüksek bir soğurma oranı elde edildiğini göstermektedir.
Akıllı şebekelerde yenilenebilir enerji santrallerinin şebekeye entegrasyonu ve 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.
Beyin tümörünün derin öğrenme yaklaşımları kullanılarak tespit edilmesi
Bu yüksek lisans tezi, beyin tümörlerinin tespiti için derin öğrenme yöntemlerinin kullanımını incelemektedir. Beyin tümörleri, dünya genelinde nadir görülmelerine rağmen yüksek ölüm oranlarına sahip ciddi malignitelerdir. Erken teşhis ve doğru sınıflandırma, tedavi sürecinde hayati öneme sahiptir. Bu çalışmada, derin öğrenme yöntemlerinin, özellikle evrişimsel sinir ağlarının (ESA), beyin tümörlerinin tespiti ve sınıflandırılması üzerindeki performansı değerlendirilmektedir. Çeşitli derin öğrenme modelleri ve makine öğrenmesi algoritmaları kullanılarak, beyin tümörlerinin MRI ve BT görüntülerinden tespit edilmesi amaçlanmıştır. Çalışmada VGG19, Inception V3 ve MobileNet gibi derin öğrenme modelleri ile K-En Yakın Komşu (k-NN) ve Destek Vektör Makineleri (DVM) gibi makine öğrenme algoritmaları kullanılmıştır. Model performansları doğruluk, hassasiyet, duyarlılık, F1 skoru ve ROC-AUC gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme modellerinin beyin tümörlerinin tespitinde yüksek doğruluk ve güvenilirlik sunduğunu göstermektedir. Özellikle VGG19 modelinin diğer modellere kıyasla daha yüksek performans sergilediği tespit edilmiştir. Bu bulgular, derin öğrenme yöntemlerinin tıbbi görüntü analizi alanında etkili bir araç olabileceğini ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Gelecekteki çalışmalarda, daha büyük veri setleri ve farklı derin öğrenme modelleri kullanılarak performansın daha da artırılması hedeflenebilir.
Derin öğrenme ile anlamsal bölütleme ve piksel görüntülerinden gerçek görüntü üretimi
İki bölümden oluşan bu tez çalışmasının ilk bölümünde derin öğrenme metotları ile anlamsal bölütleme işlemi gerçekleştirilmiştir. Anlamsal bölütleme işlemi, bir görüntüdeki her pikselin ilgili bir etiket ile ilişkilendirme işlemidir. Anlamsal bölütleme ile görüntüdeki nesnelerin tespiti, yerinin belirlenmesi mümkün kılınmaktadır. Bilgisayar sistemleri tarafından görüntülerin daha iyi yorumlanması, anlaşılması için anlamsal bölütleme önemlidir. Son yıllarda derin öğrenme metotları ile görüntülerden nesne tespiti nesnelerin yorumlanmasında yaygın bir şekilde kullanılmaktadır. Mevcut araştırmada Resnet-18 transfer yöntemini temel alan Deeplab v3+ CNN ağı ile anlamsal bölütleme işlemi gerçekleştirilmiştir. Bunun için Camvid veri seti kullanılmıştır. 701 yüksek çözünürlüklü görüntüden oluşan veri setindeki görüntülere piksel bazlı anlamsal bölütleme manuel olarak uygulanmıştır. Öncelikli olarak bölütleme işlemi Gretag–Macbeth renk şeması esas alınarak gerçekleştirilmiştir. Ardından Deeplab v3+ gerçek görüntüler piksel görüntülerle eşleştirilerek eğitim işlemi gerçekleştirilmiştir. Modeli test etmek için farklı görüntüler kullanılmıştır. Gözlenen Jaccard, Sørensen-Dice ve BF Skoru metriklerine göre yüksek başarılar gözlenmiştir. Tezin ikinci aşamasında derin öğrenme metotları ile piksel görüntülerden sentetik görüntüler oluşturulmuştur. Bu kapsamda derin öğrenme metotlarından GAN yöntemlerinden faydalanılmıştır. GAN modeller farklı alanlarda sentetik veriler üretmek için yaygın bir şekilde tercih edilmektedir. Araştırmada gerçek görüntüler oluşturmak için Pix2PixHD GAN modeli kullanılmıştır. Pix2PixHD, yüksek çözünürlüklü görüntülerin düşük çözünürlüklü eşlemelerinden gerçekçi ve ayrıntılı görüntüler üretmek için kullanılan bir görüntü çeviri yöntemidir. Bu yöntemin temelinde, derin öğrenme ve özellikle de evrişimli sinir ağları vardır. Pix2PixHD GAN yönteminde CNN ağı olarak VGG19 transfer derin öğrenme metodu kullanılmıştır. Denemeler Camvid veri seti üzerinde gerçekleştirilmiştir. Gerçekleştirilen denemelerde başarılı yüksek çözünürlüklü görüntülerin üretildiği sonucuna varılmıştır.
Alçak gerilim elektrik dağıtım hatlarında meydana gelen kayıpların tespiti için nesnelerin interneti tabanlı modüler sistem tasarımı
Elektrik enerji talebinin gün geçtikçe artış göstermesi toplumların gelişmişlikleri ile paralellik göstermekte, bununla beraber artan ihtiyacın tersi yönde bazı enerji kaynaklarının ihtiyaçları karşılamada yetersiz kalması ve çevreye zararları yeni enerji kaynaklarının araştırılmasını zorunlu kılmıştır. Enerjinin yetersizliği gerek yaşam standartlarını düşürmekte gerekse de hizmet ve üretimi durdurabilecek kadar riskli, gelecek nesillerin yaşamını olumsuz etkileyecek gibi kritik bir çevresel faktördür. Son yıllarda yenilenebilir enerji kaynaklarının yaygınlaştırma çalışmaları bununla beraber mevcut enerjinin tüketiminde verimli enerji tüketimi, tasarruf tedbirleri ile kayıpların azaltılmasına yönelik bilinçlendirme kampanyaları, teşvikler; ülkelerin enerji politika ve stratejilerinin ana temaları haline gelmektedir. Ülkemizde de yeni teknolojiler beraberinde teşvik politikalarıyla tasarruflu enerji tüketimini yaygınlaştırma çabaları ve çevresel etkilerinin gözetilmesi eksenli ilerlemektedir. Bu sebeple de teknik kayıpların azaltılması adına yatırım programları genişletilerek eski elektrik şebekeleri yenilenmekte yanı sıra teknik olmayan kayıplar için de elektrik dağıtım firmaları hizmet bölgelerine özgü etkin mücadele yöntemlerini geliştirilmesine çalışmaktadır. Bu çalışmamızda nesnelerin interneti (IoT) tabanlı bir sistem tasarlanarak alçak gerilim seviyesinde teknik ve teknik olmayan kayıpların tespiti problemlerine çözüm üretmiş ve gelecekte özellikle Türkiye’deki yüksek kayıplı elektrik dağıtım hizmeti sunan kuruluşların alçak gerilim yeraltı elektrik enerjisi dağıtım şebekelerine entegrasyonunun sağlanabileceği, mevcuttaki akıllı saha yönetimlerinin bir parçası olması hedeflenmektedir. Bu sayede teknik olmayan kayıpların tespitini kolaylaştırılması, teknik kayıpların da haberleşme teknolojine bağlı olarak daha erken tespit edilebilmesini mümkün hale gelebilecektir. Çalışmamız düşük bir maliyetle elde edilebilen sistem ve donanımsal bir yapıya sahiptir. Sistem tasarımımız, mevcut kullanılan takip sistemlerine entegre edilebilir hem de tek başına çalışabilme yeteneğine sahip esnek bir yapı şeklinde tasarlanmıştır. Bu çalışma ile enerji dağıtım kuruluşları, tüketicilerinin ihtiyaç duyduğu kaliteli enerji hizmeti sunabilen ve akıllı saha yönetimini daha da etkin kullanabilmesini hedeflemekteyiz.
Sera gazı emisyonu hesaplamalarında yapay zekâ uygulamaları
Küresel ısınmayı tetikleyen sera gazları, doğal etmenlerin yanı sıra insan kaynaklı faaliyetlerden de kaynaklanmaktadır. Fosil yakıtların kullanımıyla ortaya çıkan sera gazları emisyonu, küresel ısınmada önemli bir etkendir. Özellikle karbondioksit, küresel ısınma üzerinde en güçlü etkiye sahiptir; çünkü sıcaklığı emen bir gaz olarak, etkisi son derece büyük ölçüdedir. Küresel anlaşmalar, özellikle Paris Anlaşması gibi, insan faaliyetlerinin azaltılması ve net sıfır emisyon hedeflerinin benimsenmesi yönünde önemli adımlar atmıştır. Bu bağlamda, tüm ülkelerin sürdürülebilir ve gerçekçi programlar uygulayarak sera gazı emisyonlarını azaltma hedeflerine ulaşmaları beklenmektedir. Finansal, ekonomik ve insani gelişmişlik göstergeleri, nüfus, ormansızlaştırma ve enerji tüketimi gibi verileri kullanarak, bazı ülkelerde gelecekteki sera gazı emisyon seviyelerini hesaplamak için makine öğrenimi yöntemleri kullanılmıştır. Bu çalışmada, sera gazı emisyonlarının azaltılması hedefine ulaşmak için MATLAB programı aracılığıyla uzun kısa dönem bellek (LSTM) ve hibrit CNN-RNN modeli gibi derin öğrenme yöntemleri kullanılarak karşılaştırmalar yapılmıştır. Ayrıca, zaman serisi verileri için NARX modellemesi ile elde edilen tahminlerle LSTM modellemesi sonuçları karşılaştırılarak gelecekteki sera gazı emisyonları tahmin edilmiştir. Bu çalışma ayrıca, ülkelerin sera gazı emisyon azaltma hedeflerine ulaşmaları için farklı verileri göz önünde bulundurarak sürdürülebilir programlar geliştirmelerine kolaylık sağlaması beklenmektedir.
Güneş enerji santrallerinin güç kalitesi üzerine etkisinin incelenmesi
Günlük hayatta kullanılan tüm cihazların ve ekipmanların normal çalışabilmesi ve ömürlerinden kayıp vermeden performans gösterebilmeleri için belirli elektriksel sınırlamalar gereklidir ve bu sınırlamalar Enerji Kalitesi olarak tanımlanır. Enerji kalitesi, hem enerji üreticileri hem de tüketiciler için büyük önem taşır. Bu bağlamda, belirli güç parametreleri ve standartlara uyum, enerji kalitesinin yüksek seviyede tutulmasını sağlar ve bu sayede kaliteli elektrik enerjisi son kullanıcıya iletilir. Güç kalitesi parametrelerinin ölçülmesi, elektrik santrallerinde ve santrallere bağlı cihazlarda meydana gelebilecek sorunların önlenmesinde önemli bir rol oynar. Problemlerin hızlı bir şekilde tespit edilmesi, çözüme ulaşılması ve sistem arızalarının önlenmesi hayati önem taşır. Enerji santrallerinde teknik kaliteyi belirlemek amacıyla; ölçüm esasları, teknik kalite parametreleri ve sınır değerleri, teknik kalite ölçümleri, ölçüm sonuçlarının değerlendirilmesi ve gerekli işlemlerin gerçekleştirilmesi teknik kalitenin korunmasını ve sürekliliğini sağlamaktadır. Dağıtık üretim sistemlerinin şebekeye entegrasyonunda güç kalitesi kavramı belirleyici bir rol oynar ve kritik bir öneme sahiptir. Şebekeye bağlı GES (Güneş Enerji Sistemi) ve benzeri sistemler, dağıtık üretim sistemleri olarak kabul edilir. Bu tür sistemlerin entegrasyonu sırasında, gerilim dalgalanmaları, harmonik distorsiyonlar, kısa devre akım seviyesinin artması, arıza esnasında ve sonrasında ortaya çıkan davranışlar ve şebeke gerilim/frekans değişiklikleri gibi çeşitli sorunlar ortaya çıkabilir. Bu bağlamda, D-STATCOM (Dağıtılmış Statik Kompanzatör) gibi ileri teknoloji çözümleri, bu tür güç kalitesi sorunlarının etkin bir şekilde yönetilmesi için kullanılabilir. D-STATCOM, şebeke bağlantılı sistemlerde gerilim dalgalanmalarını dengeleyerek, reaktif güç kompanzasyonu sağlayarak ve harmonik distorsiyonları azaltarak şebekenin stabilitesini ve güvenilirliğini artırır. Bu nedenle, planlanan tez çalışmasında, bu entegrasyon zorlukları detaylı olarak incelenecek ve D-STATCOM gibi çözümler kullanılarak geliştirilecek öneriler ile bu sorunların üstesinden gelinmesi amaçlanacaktır.
RF enerji hasatlama için mikroşerit anten tasarımı uygulamaları
Son zamanlarda teknolojinin gelişmesi özellikle yarı iletkenlerin icadından sonra akıl almaz bir hızla ilerlemiştir. Bu ilerleme teknolojik cihazlarının çoğalmasına neden olmuştur. Dünya nüfusunun artması ve bu nüfusun teknolojik cihazları sürekli kullanması enerji tüketimin artmasına sebep olmuştur. Dünya genelinde enerji tüketimin her geçen gün artması bilim insanlarını enerjiyi farklı yollardan kolay ve az maliyetle elde etmek için araştırmalar yapmaya itmiştir. Enerjiyi elde etmenin onlarca farklı yolu vardır. Bu yollardan biri de ortamda çeşitli cihazlardan (Mikrodalga ve Radyo dalga) oluşan ve serbest halde dolaşan Elektromanyetik dalgalardan uygun koşullar ve uygun aparatlarla (Anten ve enerji hasatlama modülü) enerji hasadı yapmaktır. Son yıllarda haberleşme sistemlerinin ve diğer sistemlerin sayıca çoğalması ortamdaki frekans yoğunluğunda ve çeşitliliğinde artışa sebep olmuştur. Bu durum RF (Radyo Frekans) enerji hasatlama yönteminin haberleşme devrelerinde çokça kullanılmasına olanak tanımıştır. Böylelikle kesintisiz ve düşük güçlerde RF enerji hesatlama yapabilen sistemlerin oluşmasına ve çoğalmasına yol açmıştır. Bir RF enerji hasat atlama sistemi 5 adet aşamadan oluşmaktadır bunlar anten, empedans uyumlandırma, filtreler, doğrultucu devreler ve yüktür. Bazı cihazlarda kullanılması için uygun hale getirilen enerjinin batarya veya pil benzeri depolama aygıtları tarafından depolanıp o şekilde tüketilmesi beraberinde çeşitli maliyetler getirmektedir. Bu maliyetleri azaltmanın yöntemlerinden biri sürekli serbest halde dolaşan elektromanyetik dalgalardan RF enerji hasatlama yöntemiyle enerji elde etmektir. RF enerji hasat atlama düşük güç ile çalışan sistemler için oldukça popüler bir çözüm yöntemidir burada enerji kesintisiz sağlandığından batarya kullanımının önüne geçilerek hem maliyet azaltıcı hem de depolama cihazlarının atıkları sonucu çevrede oluşacak çevre kirliliklerinde önüne geçilmiştir. Bu çalışmada iletim hattı modeli kullanılarak 50 ohm luk karakteristik empedansa sahip RF enerji hasadı yapmak için farklı ebatlarda mikroşerit yama antenler tasarlanmıştır. Tasarlana antenler üzerinde çeşitli değişiklikler yapılarak hem tek bantlı hem de çift bantlı frekanslarda çalışacak antenler elde edilmiştir. Daha sonra simülasyonlarla adım adım optimizasyonlar yapılarak daha iyi antenler elde edilmiştir. Bu aşamalardan sonra en iyi parametrelere sahip biri tek bantlı, diğeri çift bantlı (Dual bant) iki adet mikroşerit yama antenin baskı devresi (PCB) ile üretimi yapılmıştır. Üretimleri yapılan antenler enerji hesaplama modülüne bağlanıp multimetre ile gerilim değerleri, geri dönüş kaybı (S11), kazanç, yönlülük değerlerinin tek, iki ve üç boyutlu grafik değerleri incelenmiştir.
Yapay zeka yöntemleri kullanılarak ST segment yükselmeli miyokart infarktüslü hastaların ölüm risk analizi ve tahmini
Kalp krizi, yani akut miyokard infarktüsü (Acute Myocardial Infarction – AMI), kalbi besleyen damarların zamanla daralıp tıkanmasıyla kalp kasının bir kısmının yeteri kadar kan alamaması durumudur. Bu durumun geç fark edilmesi ve hemen müdahale edilememesi birey için ölüm ve bazı kalıcı hasarlara neden olabilmektedir. İstatistiklere bakıldığında kardiyovasküler hastalıkların neden olduğu ölümler her geçen gün daha da artmaktadır. Akut miyokart infarktüsünün en ciddi ve ölümcül türlerinden biri olan ST yükselmeli akut miyokart infarktüsü (ST-segment Elevation Acute Myocardial Infarction - STEMI) acil tanı ve müdahale gerektirir. Sağlıkta kullanılan yapay zekâ tabanlı uygulamalar yaygınlaşarak erken teşhis ve tedavinin önünü açmıştır. Modern tıpta, STEMI hastalarının doğru ve hızlı bir şekilde tanımlanarak tedavi edilmesi hayati bir öneme sahiptir. Bu süreç içerinde hastaların ölüm riskini önceden belirlemek, klinik kararların verilmesinde çok büyük rol oynamaktadır. Geleneksel risk değerlendirme yöntemleri genellikle zaman alıcı ve subjektif süreçler olup, klinik verilerin manuel olarak analiz edilmesine dayanmaktadır. Bu çalışmada, yapay zekâ yöntemlerinden makine öğrenmesi algoritmaları kullanılarak hastalarının ölüm risk analizi ve tahminlemesi yapılmıştır. Kullanılan veri seti üzerinden kalp krizi geçirenlerin parametrelerinin neler olduğu, bu parametrelerin veri seti üzerindeki dağılımı ve birbirleriyle ilişkili olduğu durumlar farklı analiz yöntemleriyle incelenip bireylerde ölüme sebebiyet açısından ne derecede etkili olduğu belirlenmiştir. Bu tezin amacı, kalp krizi geçirmiş bireylerde mortalite riskinin yapay zekâ tabanlı algoritmalar yardımıyla önceden tahmin edilmesini kolaylaştırarak hastaların erken tedavi edilmelerini sağlayacak faydalı bir hekim karar destek modeli geliştirmektir. Çalışmanın, bu yönüyle STEMI hastalarının yönetiminde klinik karar desteği sağlaması ve sağlık hizmetlerinin kalitesini artırmaya yönelik katkılar sunması beklenmektedir.
Düşürücü tip bir da-da dönüştürücünün sistem tanımlama yöntemiyle tasarımı ve optimizasyonu
Bir dönüştürücünün transfer fonksiyonunu elde etmek için matematiksel modelleme gibi karmaşık işlemler gerekmektedir. Sistem tanımlama yöntemleri bu noktada matematiksel modelleme gerektiren işlemleri çok hızlı ve doğru bir şekilde çözmemize olanak sağlamaktadır. Bu çalışmada, MATLAB / Simulink uygulaması ile kontrolsüz bir düşürücü tip DA-DA dönüştürücü tasarımı yapıldıktan sonra sistem tanımlama metodu kullanılarak transfer fonksiyonuna dayalı yeni bir modelleme tasarımı amaçlanmıştır. Simulink uygulaması üzerinde belirlenen giriş ve çıkış değerleri tasarımı yapılan sistemin transfer fonksiyonunun katsayılarının belirlenebilmesi için veri girişleri olarak kullanılmıştır. MATLAB Sistem Tanımlama Araç Kutusu kullanılarak farklı kutup ve sıfırlar ile katsayılar belirlenmiş ve transfer fonksiyonları modelleri önerilmiştir. Önerilen modellerin performans değerleri ve ortaya konmuştur. Tasarımı yapılan sistem için transfer fonksiyonu seçimi yapılmıştır. Kontrolsüz olan sistemi kararlılık derecesini arttırmak için sisteme PID kontrolör eklenmiştir. PID kontrole ait parametrelerin optimizasyonu için Ziegler-Nichols basamak cevap yöntemi, MATLAB ‘PID Tuner’ uygulaması ve MATLAB ‘pidtune’ fonksiyonu kullanılmış ve söz konusu yöntemlerin performans değerleri karşılaştırılmıştır. MATLAB uygulamalarının literatürde yaygın olarak kullanılan Ziegler-Nichols yöntemine göre daha başarılı sonuçlar verdiği ortaya konmuştur. Sistem için MATLAB ‘PID Tuner’ uygulaması ile katsayıları belirlenmiş olan PID kontrolör tercih edilmiştir. Düşürücü tip DA-DA dönüştürücü simülasyon devresinin kontrolsüz ve PID kontrollü açık çevrim ve kapalı çevrim performansları kıyaslanmıştır. Devre sonuçları incelendiğinde, MATLAB sistem tanımlama araç kutusu kullanılarak çıkarımı yapılan transfer fonksiyonunun devreyi hızlı ve doğru bir şekilde modellediği ve kontrolör tasarımını basitleştirildiği görülmüştür.
CUK dönüştürücünün tasarımı ve kontrolü
Bu tez çalıĢmasında, CUK dönüĢtürücünün tasarımı ve kontrolü gerçekleĢtirilmiĢtir. CUK dönüĢtürücünün matematiksel analizi yapılmıĢtır. Sistemin Dinamik modelini bulmak için durum uzayı ortalama tekniği uygulanmıĢtır. Buradan dördüncü dereceden parametrik bir transfer fonksiyonu elde edilmiĢtir. Elde edilen parametreler kullanılarak CUK dönüĢtürücünün MATLAB/SIMULINK ortamında benzetimi yapılmıĢ ve sonuçlar değerlendirilmiĢtir. MATLAB içerisinde yer alan Kullanıcı Tabanlı Ara Yüz (GUI) editörü kullanılarak transfer fonksiyonunu ve sistem için gerekli kontrol parametrelerini bulmak için ara yüz tasarımı yapılmıĢtır. Tasarlanan ara yüz ile dönüĢtürücüye ait parametreler girilerek transfer fonksiyonu oluĢturulmuĢtur. Sisteme ait kontrol parametreleri (P, PI, PID) Ziegler-Nichols metodu kullanılarak elde edilmiĢtir. Sistemin kontrolsüz, PI kontrollü ve PID kontrollü olarak benzetimi yapılmıĢ ve sonuçlar değerlendirilmiĢtir. Son olarak CUK dönüĢtürücünün farklı parametre değerlerinde PID kontrol performansı üzerindeki etkiler incelenmiĢtir. Sistem için en uygun kontrol değerleri gözlemlenmiĢtir.
Derin öğrenme algoritmaları kullanarak insansız hava araçları ile silah tespiti
Derin öğrenme algoritmalarının günümüzde yaygınlaşması görüntü ve videolarda nesne tespit, tanıma uygulamalarının artmasına sebep olmuştur. Nesne tespit ve tanıma uygulamaları son yıllarda güvenlik, savunma, doğal afetler (sel, deprem ve yangın vb.), sağlık (salgınların yayılımının önlenmesi vb.), tarım, ormancılık alanlarında birçok problemlere çözüm bulmaktadır. Nesne tespit, tanıma uygulamalarında oldukça yaygın kullanılan algoritmaların başında Bölgesel Tabanlı Konvolüsyonel Sinir Ağları (R-CNN) gelmektedir. R-CNN’nin geliştirilen tespit uygulamalarına yardımcı olmaları açısından Hızlı bölgesel tabanlı konvolüsyonel sinir ağları (Fast R-CNN) ve Daha hızlı bölgesel tabanlı konvolüsyonel sinir ağları (Faster R-CNN) algoritmaları geliştirilmiştir. Nesne tespit uygulamalarının başarısını daha da artırmak için kullanılan bir başka Konvolüsyonel sinir ağları (CNN) algoritması da ResNet101 algoritmasıdır. Özellikle görüntü tespitinde yaygın bir şekilde kullanılan ResNet101, R-CNN, Fast R-CNN ve Faster R-CNN algoritmalarının birbirleri arasındaki nesne tespit doğruluk oranı, nesne tespit zamanı gibi farkları en aza indirgemek için tercih edilmiştir. Bu çalışmada insansız hava aracı (İHA) ile havadan çekilmiş görüntülerden nesne (silah) tespiti yapılması amaçlanmıştır. Elde edilen görüntülerde R-CNN nesne (silah) tespitinde doğru tahmin oranının diğer R-CNN çeşitlerinden yüksek olması sebebiyle tercih edilmiştir. R-CNN algoritmalarının yanında doğru tahmin oranına katkısını görebilmek maksadıyla ResNet101 algoritmasının kullanımı bu çalışmada denenmiştir. Bu kapsamda İHA ile havadan çekilmiş 200 adet görüntü kullanarak eğitim verileri ve test verileri oluşturulmuştur. Yapılan eğitim sonucunda veri seti üzerinde R-CNN mimarisi ve ResNet101 mimarisiyle %99 doğruluk oranı, hassaasiyet ile görüntü tespit edilmiştir. Söz konusu çalışma ile R-CNN mimarisinin ve ResNet101 mimarisinin İHA görüntülerinde nesne (silah) tespitinde ne kadar başarılı olduğu ortaya konulmuştur.
Görüntüye dayalı dudak okuma uygulamalarında uzamsal dudak noktaları temelli yeni öznitelik yaklaşımları
Sosyal bir varlık olan insan, ihtiyaçlarını gidermek için çoğu zaman konuşarak insanlarla iletişime geçmektedir. Konuşma eylemi hem görme ve hem de duyma duyularının ortak kullanımı sonucu gerçekleşmektedir. Konuşmada esnasında sesler üretilirken dudağın aldığı formalar gözle açık bir şekilde izlenebilir. Dudak okuma, sesin duyulmadığı ya da bozuk olduğu durumlarda konuşmayı dudak, yüz ve dilin hareketini çözümleyerek anlama tekniğidir. Görsel konuşma bilgileri, özellikle ses bozuk veya erişilemez olduğunda, otomatik dudak okumada önemli bir rol oynamaktadır. Ses-görüntü tabanlı dudak okumanın başarısına rağmen, sadece görüntü tabanlı dudak okumada birbirine benzer dudak hareketlerine sahip sesleri ayırmadaki zorluklardan dolayı oldukça güç bir problemdir. Bu çalışmada, sadece-görsel tabanlı dudak okuma uygulamalarında başarı oranını arttırmak amacıyla birtakım yeni öznitelik yaklaşımları sunulmuştur. Bu çalışmada, konuşmacı-bağımsız ve konuşmacı-bağımlı gerçekleştirilen tahmin uygulamalarında iki ayrı veri seti kullanılmıştır. Bu veri setleri; Latin alfabesindeki 26 harfin beş (5) konuşmacı tarafından yedi (7) kez tekrarlandığı AVLetters2 ve 0-9 arasındaki 10 rakamın altı (6) konuşmacı tarafından dokuz (9) kez tekrarlandığı AVDigits’dir. Öncelikle yüzdeki öğeler ve dudaklar aynlarak, dudak sınırlarını 20 noktayla işaretlenmiştir. Daha sonra bu uzamsal noktalara dayalı, Merkezi-Öklid-Uzaklık (MÖU), Simetrik-Öklid Uzaklık (SÖU) ve Komşu-İşaret-Açıları (KİA) isimli öznitelik yaklaşımlarıyla elde edilen özellikler sınıflandırıcılara uygulanmıştır. Son olarak, K-en Yakın Komşu algoritması, Rasgele Orman, Destek Vektör Makinesi isimli sınıflandırma algoritmaları kullanılarak video görüntülerden dudak okuma analizi yapılarak 26 karakter ve 10 rakam tespit edilmeye çalışılmıştır. Yapılan analizler sonucunda en iyi başarı sonuçları AVLetters2 veri seti için RO-MÖU yöntemiyle %45,934 ve AVDigits veri seti için KNN-MÖU yöntemiyle %67,407 olarak bulunmuştur. Bu veri setleri üzerinde sadece-görüntü temelli yapılan diğer çalışmalarla karşılaştırıldığında oldukça yüksek ve başarılı sonuçlar elde edildiği görülmüştür.
Akıllı saldırı tespit sistemleri
Bilgi ve İletişim Teknolojileri hayatımızın her alanını içine alan insanların hatta tüm canlıların ayrılmaz bir parçası haline gelmiştir. Bunun hayatımıza artarak dokunması beklenmektedir. Teknolojinin bu kadar hayatımızla iç içe geçmesi nedeni ile bunu kendi amaçları doğrultusunda kullanmak isteyenlerin ortaya çıkması da beklenendir. Teknolojinin birçok faydası bulunmaktadır. Fakat güvenlik açısından gerekli hassasiyet gösterilmemesi durumunda ise istenilmeyen sonuçlar da doğabilmektedir. Saldırganlar özellikle toplumu en çok etkileyen alanlardan olan Bankacılık, Enerji, Ulaşım gibi sistemlere sızmaya ya da kullanılmaz hale getirmeye çalışırlar. Saldırgan için motivasyon kaynağı bazen para, bazen de şan-şöhret olabilmektedir. Teknolojinin olduğu her yerde bir güvenlik problemi olduğu herkesin kabul ettiği bir gerçektir. Bundan dolayı kurumlar kendi siber olaylara müdahale ekiplerini (SOME) oluştururken topyekûn siber savaşlar için ülke çapında USOM kurulmuştur. Siber saldırı, siber suçluların bir veya daha fazla cihazı tek veya birden fazla cihaza ya da ağa karşı kullanarak başlattığı bir saldırıdır. Siber saldırı ile saldırgan, sistemleri devre dışı bırakabilir, sistemlerden veri çalabilir ya da verilerde değişiklik yapabilir. Siber saldırganlar hedef sistem (ler)e erişmek için türlü teknik ve sosyal mühendislik yollarına başvurur. Saldırı Tespit Sistemleri (Intrusion Detection Systems), olası saldırıları tespit etmekte kullanılan güvenlik bileşenlerinden biridir. STS, yapılan atakları genel olarak 3 farklı şekilde tespit etmeye çalışır. İmza Tabanlı STS: Bu saldırı tespit sisteminde, ağda oluşabilecek bir anormallik mevcut kötü yazılım veri tabanıyla karşılaştırma yapılarak tespit edilir. Anomali Tabanlı STS: Bu saldırı tespit sisteminde, kullanıcı profilleri oluşturulmaktadır. Bu profillerin dışına çıkılması durumunda sistem, yapılan işlemi saldırı olarak yorumlanmaktadır. Protokol Analizi STS: Protokol aktiviteleri profilleri çıkarılır. Şüpheli bir aktivite ile karşılaşıldığında mevcut profillerle karşılaştırılır. Karşılaştırma sonucunda saldırı olup olmadığına karar verilir. KDD’99: KDD’99 saldırı tespit sistemleri için model dizayn etmede kullanılan bir veri setidir. Bu veri seti 42 sütün ve 4.940.200 adet satırdan oluşmaktadır. Veri setinde bulunan saldırılar 4 ana kategoride tanımlanabilir: DoS: Denial-of-service, ağda bulunan bir sistem ya da cihazın sistem kaynaklarını tüketerek gerçek kullanıcılara hizmet veremeyecek duruma getirmesidir. Bu saldırı yöntemine syn flood saldırısı örnek olarak verilebilir. R2L: Bir sisteme erişim izni olmadan bağlanmaya çalışma saldırılarıdır. Bu saldırı yöntemine guessing password aldırısı örnek olarak verilebilir. U2R: Normal kullanıcı yetkisine sahip bir hesabın admin ya da root kullanıcı haklarını elde etme amaçlı yapılan saldırı türüdür. Bu saldırı yöntemine buffer overflow aldırısı örnek olarak verilebilir. Probing: Bu saldırıda saldırgan, hedef cihaz hakkında bilgi toplamaktadır. Bu bilgi; açık olan portlar, geçerli ip adresleri, üzerinde çalışan servisler, kurulu olan işletim sistemi olabilmektedir. Port scanning probing saldırılarına örnek verilebilir. Bu tezde, saldırı tespit sistemlerinde kullanılan KDD’99 veri setinde bulunan saldırılar kategorize edilerek, saldırı istatistikleri ve bu saldırılar hakkında bilgiler verilmiştir. Ayrıca denetimli öğrenme modellemelerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaç algoritmaları kullanılarak yapılabilecek bir saldırıyı gerçek zamanlı ve yüksek başarımlı tespit edecek sistem modellemeleri yapılmıştır.
Histopatolojik görüntülerde süperpiksel ve kümeleme yöntemleri kullanılarak otomatik hücre çekirdeği segmentasyonu
Gün geçtikçe kanser ve kansere bağlı ölümlerde artış olduğu görülmektedir. Kanserli bölgenin erken tedavisi için erken teşhis edilmesi hayati önem taşımaktadır. Uzman patologların uğraşlar sonucu teşhis ettiği sağlıksız hücreler için, bilgisayar destekli programlar erken teşhis edilmelerine olanak sağlamaktadır. Bu çalışmada bilgisayar destekli programlarla yüksek çözünürlüklü histopatolojik görüntülerde otomatik hücre çekirdeği tespiti için global bölütleme yöntemlerinden kMeans ve Fuzzy C Means yöntemleri, süperpiksel bölütleme yöntemlerinden SLIC, Quickshift, Felzenszwalb, Watershed ve ERS algoritmaları kullanılmıştır. Çalışma sonucu kullanılan yüksek çözünürlüklü histopatolojik görüntülerde kmeans ve FCM algoritmalarında daha iyi başarı elde edildiği görülmektedir. Kesinlik açısından Quickshift ve SLIC yöntemleri daha iyi sonuç vermiştir. F ölçütünde (F-M) en iyi başarım sağlayan kMeans ve FCM algoritmaları olduğu ve gerçek negatif oranının (TNR) Quickshift ve SLIC yönteminde daha başarılı olduğu görülmektedir.
Fotovoltaik sistemlerde tozlanmanın panel verimi üzerindeki etkilerinin deneysel olarak araştırılması
Fotovoltaik hücreler, güneş enerjisini elektrik enerjisine dönüştüren sistemlerin en temel bileşenleridir. Bu hücrelerin bir araya getirilmesiyle oluşturulan fotovoltaik panellerin enerji dönüştürme miktarını en çok etkileyen parametre, panel yüzeylerinin maruz kaldığı ışınım değeridir. Bundan dolayı fotovoltaik sistemler, güneşten yeryüzüne gelen ışınımdan azami derecede faydalanmak üzere, genellikle güneşlenme süresi ve ışınım miktarı bakımından yeterli olarak bilinen güneş bandı bölgelerinde tesis edilirler. Açık hava şartlarında çalışan bu sistemler, her türlü çevresel olumsuzlukla karşı karşıyadır. Fotovoltaik sistemlerin verimi üzerindeki en önemli faktörlerden biri de, panel yüzeyinde oluşan tozlanmadır. Çeşitli etkenlerle havada bulunan tozların zamanla panel yüzeyini kaplaması, hücrelere ulaşan ışınım miktarını azaltmaktadır. Işınımın azalmasıyla meydana gelen enerji dönüşüm oranındaki kayıplar önemli değerlere ulaşabilmektedir. Tozlanma eğilimi, bu sistemlerin kurulduğu bölgenin hava sıcaklığı, nem miktarı, rüzgâr rejimi, toprak yapısı ve bitki örtüsüne göre değişmektedir. Bu çalışmada, Batman ilinde tozlanmanın panel verimi üzerindeki etkisini araştırmak üzere bir deney seti kurulmuştur. Deneysel çalışmada, killi, kireçli ve şehirsel toz numuneleri kullanılmıştır. Panellerin gün sayısına göre tozlanma miktarı, bir dizi ön test ile belirlenmiştir. Orta ve uzun vadede panel yüzeyinde meydana gelecek doğal tozlanma miktarını belirlemek zor olduğundan, bu miktarlar geliştirilen YSA modeli ile saptanmıştır. Temiz bir fotovoltaik panel ile yüzeyinde 1, 2, 3, 4, 5 günlük ve 1, 3 ve 6 aylık toz biriken fotovoltaik panellerin ürettiği enerji değerleri ölçülmüştür. Elde edilen bulgulara göre, temiz panele kıyasla 5 günlük tozlanmaya maruz kalan paneller, killi, kireçli ve şehirsel toz numuneleri için sırasıyla %3,53, %5 ve %5,18 daha az enerji üretmiştir. Temiz panele kıyasla 1 aylık tozlanmaya maruz kalan paneller, killi, kireçli ve şehirsel toz numuneleri için sırasıyla yaklaşık %18, %26 ve %28 daha az enerji üretmiştir. Temiz panele kıyasla 3 aylık tozlanmaya maruz kalan paneller, killi, kireçli ve şehirsel toz numuneleri için sırasıyla yaklaşık %46, %61 ve %63 daha az enerji üretmiştir. Temiz panele kıyasla 6 aylık tozlanmaya maruz kalan paneller, killi, kireçli ve şehirsel toz numuneleri için sırasıyla yaklaşık %67, %77 ve %78 daha az enerji üretmiştir. Ölçülen veriler kullanılarak yapılan hesaplamalar, grafik ve tablolar halinde sunulmuştur.
Nörolojik krizlerden epilepsi nöbetinin kestirimi
Toplumda sara adıyla bilinen epilepsi hastalığı Dünya Sağlık Örgütü (WHO) tahminlerine göre dünya nüfusunda %0,4-1 insanı etkileyen ciddi ve yaygın nörolojik bir hastalıktır. Anlık ve tekrarlayıcı nöbetlerle karakterize olan epilepsi hastalığı çocukluk ve yetişkinlik çağında daha sık ortaya çıkmasıyla beraber hemen her yaş grubunda insanı etkilemektedir. Genelde bilinç kaybı, hareket bozukluğu gibi sadece nöbet ve nöbeti takip eden birkaç saatlik zaman dilimini etkileyen ancak ilaçlarla kontrol altına alınabilen geçici durumlar oluşturmaktadır. Epileptik nöbetlere benzer krizler geçiren epileptik olmayan (pseudo veya yalancı) nöbetlerin de olması teşhisi güçleştirmektedir. Epilepsi hastalarının nöbetlerinin epileptik olup olmadığı (bunun için sık ve güvenilir tanı yöntemi kriz anında video-EEG ölçümüdür) ve kullanılacak ilaçlarının dozu hasta geçmişine bağlı olarak belirlenmektedir. Epileptik nöbet geçirdiği şüphesi ile uzman hekime müracaat eden hastaların %10-20'sinin epilepsi hastası olmadığı belirlenmiştir. Hastanın epileptik ilaçlara verdiği tepki temel alınarak bunun tespitinin, tedavinin başladığından ortalama 7,2 yıl sonra belirlenebilmektedir. Bu tez çalışmasında çeşitli sensörler (EMG, EKG, İvmeölçer gibi) yardımıyla epileptik nöbetlerin kestirimi için gelişen teknolojiyle entegre bir yaklaşım önerilmiştir. Çalışmanın ana amacı epileptik nöbetlerin kestirimi için yapılan işlem maliyetini azaltacak bir test rutini oluşturmaktır. Dicle Üniversitesi Tıp Fakültesi Nöroloji Bölümünde tedavi gören hastalardan epileptik bir nöbet sürecinde alınan veri seti kullanılarak çeşitli yöntemler ile optimize edilmiş ve daha sonra elde edilen özelliklerle beraber Aşırı Öğrenme Makineleri (ELM) ile sınıflandırılmıştır.
Akciğer kanserinin derin öğrenme yaklaşımları kullanılarak tespit edilmesi
Kanser, dünyadaki tüm ülkelerde ölüm sebebi ve kötü yaşam kalitesinin en büyük nedenlerinden olarak ilk sıralarda yer almaktadır. Dünya sağlık örgütü’nün 2019 yılındaki kayıtlarına göre yapmış olduğu tahminlerde kanser 183 ülkenin 112 ‘inde 70 yaş üzerindeki ölümlerin nedenleri arasında birinci veya ikinci sırada bulunurken 23 ülkede ise ölüm nedeni olarak üçüncü veya dördüncü sırada yer alır. Koroner kalp hastalığından ve inmeden dolayı ölenlerin oranlarındaki düşüş kanserin öneminin artmasına neden olmuştur. 2020 yılında 2,2 milyon yeni teşhis (tüm kanserler arasında yaklaşık %11,4) ve 1,8 milyon ölüm nedeni olarak akciğer kanseri en çok teşhis edilen kanserler arasında ikinci, ölüm sebebi olarak birinci sırada yer almıştır. Akciğer kanserinin teşhis edilmesinde ve tedavi sürecinde tıbbi görüntüleme tekniklerin önemi büyüktür. Bilgisayarlı tomografi, göğüs röntgeni, manyetik rezonans görüntüleme, moleküler görüntüleme teknikleri ve pozitron emisyon tomografisi akciğer kanserinin tespit edilmesinde önemli yer tutarlar. Kullanılan bu tekniklerin en büyük eksiklikleri arasında, başka patolojik rahatsızlığı olan hastalar için uygun olmayan ve kanser türünün sınıflandırılamaması gibi sorunlar yer alır. Bu kanser için erken teşhis ve sınıflandırma için yeni yaklaşımlarda bulunmak gerekmektedir. Tıpta görüntüleme alanında değeri artan konulardan biri olarak derin öğrenme yöntemi giderek daha fazla kullanılmaya başlanmıştır. Doktorların akciğer kanseri için daha net ve daha hızlı bir şekilde karar vermelerinde yapay zekâ ve derin öğrenmeyi kapsayan tıbbi cihazların geliştirilmesi son derece önemlidir. Bu çalışmada, akciğer kanserinin tespit ve sınıflandırılması için VGG16, VGG19 ve Xception yöntemleri kullanılmıştır. Derin öğrenme tabanlı yöntemler kullanılarak yapılan çalışmalarda, önerilen yaklaşım ile VGG16, VGG19 ve Xception yöntemleri ile %94,19, %95,24 ve %90,14 oranında başarı elde edilmiştir.
Derin transformer kodlayıcı tekniği ve farklı zaman-serisi uydu görüntüleri kullanılarak pamuk ve mısır bitki alanlarının belirlenmesi
Türkiye orta kuşakta yer aldığından dolayı tarımsal alanda zengin bir ülkedir. Tarımsal alandaki ürünlerin kısa sürede ve doğru bir şekilde tespit edilmesi oldukça önemlidir. Uzaktan algılamadan elde edilen uydu görüntüleri sayesinde tarımsal ürünlerin tespiti gelişimi ve yıllık ürün tahmini gibi birçok konuda bilgi elde edilebilmektedir. Bu çalışmada, tarımsal ürünlere ait Sentinel-1 ve Landsat-8 uydu görüntü indeksleri ve derin mimarisi birlikte kullanılarak tarımsal ürünlerden Mısır ve Pamuk’un tespitinin yapılması amaçlanmıştır. İlk aşamada tespiti yapılması istenen tarımsal ürünlerin Sentinel-1 ve Landsat-8 uydu görüntülerini elde etmek için pilot alan belirlenmiştir. Tarım ürünleri seçilirken gelişme ve hasat zamanları yakın olan mısır ve pamuk ürünlerinin yoğunlukta olduğu bir tarım arazisi seçilmiştir. Bu pilot alandan daha sonra 100 örnek noktaya ait koordinatlar GPS yardımıyla alınmış ve bu koordinatlar Sentinel-1 ve Landsat-8 uydu görüntülerine aktarılarak yansıma değerleri elde edilmiştir. Görüntülerin yansıma değerlerini hesaplamak için tespiti yapılacak tarımsal ürünlerin gelişim ve hasat zamanlarının birbirine yakın olduğu 2016-2021 döneminin Haziran, Temmuz, Ağustos, Eylül ayları tercih edilmiştir. Çalışmada kullanılan veri seti, Google Earth Engine Code Editor (GEE-CE) yardımıyla elde edilmiş ve 2016-2021 yılları arasındaki Haziran, Temmuz, Ağustos, Eylül aylarına ait Sentinel-1 uydu görüntüsü için toplam 434 görüntü ve Landsat-8 için ise toplam 693 görüntüden oluşmaktadır. Son aşamada, elde edilen yansıma değerleri üç faklı kategoride sınıflandırılmıştır. Bunlar:1-) Sadece Sentinel-1 bantlarıyla sınıflandırma, 2-) Sadece Landsat-8’in B1-B7 bantlarıyla sınıflandırma, 3-) Hem Sentinel-1 hem de Landsat-8’in B1-B7 bantlarıyla sınıflandırma şeklindedir. Bu üç farklı yansıma değerleri, Transformer Derin Öğrenme ağı girişine verilerek, tarımsal ürünler (Mısır ve Pamuk) tespit edilmiştir. Birinci sınıflandırmada yalnız Sentilel-1 uydu görüntülerinin yansıma değerleri kullanıldığında %85 sınıflandırma doğruluğu elde edilmiştir. İkinci sınıflandırmada, Landsat-8’in B1-B7 bantlarının uydu görüntülerinin yansıma değerleri için %95 sınıflandırma doğruluğu bulunmuştur. Üçüncü sınıflandırma da ise Sentinel-1ve Landsat-8’in B1-B7 bantlarının uydu görüntüleri yansıma değerleri birlikte kullanıldığında %87,5 ortalama doğruluk değeri gözlemlenmiştir.
Akut inmede segmentasyon ve hacim hesabı
İnme önemli bir sağlık sorunudur ve inme tedavisinde en yaygın görüntüleme yöntemi manyetik rezonanstır (MR). Difüzyon ağırlık görüntüleme (DWI) ve perfüzyon ağırlıklı görüntüleme (PWI) hızla akut inme tedavisinin ana parçaları haline gelmektedir. Bu çalışmada, akut inme hastalarının beynin hasarlı hacmi ve hasar görmesi muhtemel hacmi MR görüntüleri üzerinden matematiksel yöntemle ve doku yöntemleri ile hesaplanmıştır. Bu çalışmada, öznitelik çıkarma için Gri Seviye Eş-oluşum Matrisi (GLCM), Gabor ve Laws Doku Enerji Ölçüsü (LTEM) doku yöntemleri kullanılmıştır. Çıkarılan öznitelikler, sırasıyla beynin ne kadar hasar gördüğünü ve beynin ne kadar zarar görebileceğini bilgisini veren DWI ve PWI hacimlerini tahmin etmek için kullanılmıştır. Elde edilen sonuçlar matematiksel model ve literatür ile karşılaştırıldı.