Makine Öğrenmesi ile Okyanus Asidifikasyonu Tahmini

Authors : Yunus Emre Üngör

Pages : 110-126

Doi:10.58771/joinmet.1759683

View : 214 | Download : 135

Publication Date : 2025-12-27

Article Type : Research Paper

Abstract :Günümüzün önemli çevresel sorunlarından biri olan okyanus asidifikasyonu, özellikle deniz ekosistemleri ve deniz ürünlerine dayalı ekonomiler üzerinde ciddi tehditler oluşturmaktadır. Bu çalışma, okyanus asidifikasyonunu ele alarak makine öğrenmesi yöntemleriyle bir tahmin modeli geliştirmeyi amaçlamaktadır. Geliştirilen modelin, karar destek sistemlerinde kullanılarak asidifikasyonun etkilerini önceden belirlemeye ve ilgili önlemleri planlamaya katkı sağlaması hedeflenmektedir. Çalışmada küresel okyanus asidifikasyonu eğilimleri veri seti kullanılmış ve 13 öznitelik içeren bu veri setinde okyanus asidifikasyonu (pH) ile en yüksek korelasyona sahip özniteliklerin sırasıyla fosil yakıtlardan kaynaklanan küresel ısınma katkısı, gaz ve yıl olduğu tespit edilmiştir. Eksik veriler, merkezi eğilim ölçüleri ile doldurularak ön işleme süreci tamamlanmıştır. Model geliştirme aşamasında 11 farklı makine öğrenmesi algoritması test edilmiş ve sonuçlar karşılaştırılmıştır. Ekstra Ağaçlar algoritması, en düşük MSE (3.273 × 10⁻⁶) ve MAE (1.055 × 10⁻³) değerlerine sahip olup, R² skoru (0.99696) ile en yüksek doğruluk oranını göstermiştir. Karar Ağacı, Gradyan Artırma ve Rastgele Ormanlar gibi diğer topluluk yöntemleri de yüksek performans sergilemiştir. Çalışmanın sonuçları, literatürdeki benzer araştırmalarla uyumludur ve makine öğrenmesi yöntemlerinin okyanus asidifikasyonunu tahmin etmede etkili bir araç olabileceğini göstermektedir. Gelecekteki çalışmalar için, veri setinin örnek sayısının artırılmasıyla modelin genellenebilirliği güçlendirilebilir ve derin öğrenme teknikleri uygulanarak daha kapsamlı tahmin modelleri geliştirilebilir. Ayrıca, okyanus asidifikasyonuna yönelik farkındalık çalışmalarına ağırlık verilmesi gerektiği önerilmektedir.
Keywords : Okyanus asidifikasyonu, makine öğrenmesi, çevre kirliliği

ORIGINAL ARTICLE URL