Makine öğrenmesi teknikleri ile sondaj kuyu sularının içilebilirlik açısından sınıflandırılması
Küçük Resim Yok
Tarih
2025
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Malatya Turgut Özal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Su, tüm canlıların hayatta kalması ve beslenmesi için temel bir gerekliliktir. Bu nedenle, su kalitesi dengesinin korunması çok önemlidir. Aksi takdirde, insanların sağlığına ciddi zararlar verebilir ve diğer türler arasındaki ekolojik dengeyi ciddi şekilde etkileyebilir. Su kalitesi gerek ekosistem ihtiyaçları gerekse sağlık, hijyen, gıda ve ekonomiyi doğrudan etkileyen kirlilik seviyeleri açısından dikkate alınması gereken önemli bir faktördür. Artan küresel su talebi, yeraltı suyu kaynaklarının aşırı kullanımına ve yeraltı suyu kalitesinin düşmesine neden olmaktadır. Jeolojik oluşumlar ve insan faaliyetlerinden önemli ölçüde etkilenen fiziksel ve kimyasal özellikler, yeraltı suyu kalitesinin nasıl değiştiğini belirtmektedir. Yeraltı suyu kaynak bilgilerinin doğru ve güvenilir bir şekilde değerlendirilmesi, yeraltı suyu kalitesinin etkin bir şekilde yönetilmesi için önemli bir unsurdur. Bu tez çalışmasında, su izleme uygulamalarında geleneksel analiz yöntemlerine alternatif olarak su kalitesini tahmin etmek için etkili bir yapay zeka tekniği olan Makine Öğrenmesi (ML) sınıflandırma algoritmaları kullanılarak artezyen sularının içilebilirk açısından sınıflandırılması gerçekleştirilmiştir. Bu kapsamda Elâzığ İl Özel İdaresinden temin edilen 30 adet içilebilir ve 30 adet içilemez olarak etiketlenmiş sondaj kuyularına ait su verileri Karar Ağaçları (DT), K En Yakın Komşu (KNN), Naive Bayes (NB), Rastgele Orman (RF) ve Destek Vektör Makineleri (SVM) algoritmaları ile analiz edilmiştir. Veri setinin %80'i ML modellerinin eğitimi için, geri kalan %20'si ise test için kullanılmıştır. Çalışma sonucunda, KNN algoritması %99,93 lük doğruluk oranı ile en iyi sınıflandırma performansını göstermiştir.
Water is essential for the survival and sustenance of all living things. Therefore, it is very important to maintain the balance of water quality. Otherwise, it can cause serious harm to human health and seriously affect the ecological balance among other species. Water quality is an important factor to consider both in terms of ecosystem needs and pollution levels that directly affect health, hygiene, food and economy. Increasing global water demand is leading to over-exploitation of groundwater resources and degradation of groundwater quality. Physical and chemical properties, which are significantly influenced by geological formations and human activities, indicate how groundwater quality is changing. Accurate and reliable assessment of groundwater resource information is an important element for effective management of groundwater quality. Thesis study, Machine Learning (ML) classification algorithms, an effective artificial intelligence technique for predicting water quality as an alternative to traditional analysis methods in water monitoring applications, were used to classify artesian waters in terms of potability. In this context, 30 potable and 30 non-potable labeled borehole water data obtained from Special Provincial Administration of Elâzığ were analyzed with Decision Trees (DT), K Nearest Neighbor (KNN), Naive Bayes (NB), Random Forest (RF) and Support Vector Machines (SVM) algorithms. 80% of the dataset was used for training ML models and the remaining 20% was used for testing. As a result of the study, the KNN algorithm showed the best classification performance with an accuracy of 99.93%.
Water is essential for the survival and sustenance of all living things. Therefore, it is very important to maintain the balance of water quality. Otherwise, it can cause serious harm to human health and seriously affect the ecological balance among other species. Water quality is an important factor to consider both in terms of ecosystem needs and pollution levels that directly affect health, hygiene, food and economy. Increasing global water demand is leading to over-exploitation of groundwater resources and degradation of groundwater quality. Physical and chemical properties, which are significantly influenced by geological formations and human activities, indicate how groundwater quality is changing. Accurate and reliable assessment of groundwater resource information is an important element for effective management of groundwater quality. Thesis study, Machine Learning (ML) classification algorithms, an effective artificial intelligence technique for predicting water quality as an alternative to traditional analysis methods in water monitoring applications, were used to classify artesian waters in terms of potability. In this context, 30 potable and 30 non-potable labeled borehole water data obtained from Special Provincial Administration of Elâzığ were analyzed with Decision Trees (DT), K Nearest Neighbor (KNN), Naive Bayes (NB), Random Forest (RF) and Support Vector Machines (SVM) algorithms. 80% of the dataset was used for training ML models and the remaining 20% was used for testing. As a result of the study, the KNN algorithm showed the best classification performance with an accuracy of 99.93%.
Açıklama
Lisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
