DSpace@ATÜ (Adana Alparslan Türkeş Bilim ve Teknoloji Universiti)
Not a member yet
3463 research outputs found
Sort by
Panel veri analizi ve yapay sinir ağları ile OECD ülkelerininekolojik ayak izlerinin tahmin edilmesi
No full textLisansüstü Eğitim Enstitüsü, İşletme Ana Bilim DalıThe rapid increase in population, industrialization, urbanization, and changing consumption patterns has placed significant pressure on the ecological balance of our planet. This situation has led to the uncontrolled and unsustainable demand for natural resources. As ecological degradation becomes increasingly evident, the concept of the "Ecological Footprint" has emerged in line with the goals of sustainable development. This study analyzes the effects of renewable energy consumption, globalization, and economic growth on the ecological footprint. Using data from the period 1995–2021, estimations were conducted through panel data analysis and artificial neural network methods. Panel data analysis was employed to examine the impact of independent variables on the dependent variable in detail, and these variables were then used as inputs for the artificial neural network model. Consequently, a high-accuracy model was developed for predicting the ecological footprint. The findings indicate that the independent variables included in the model have significant and varying effects on the ecological footprint. In particular, Gross Domestic Product (GDP) and the KOF Globalization Index have been identified as key factors that positively influence the ecological footprint. On the other hand, renewable energy consumption has been determined as a crucial variable in reducing the ecological footprint. Based on the results, it has been concluded that increasing investments in renewable energy is essential for controlling the rise in the ecological footprint. During the modeling process, a feedforward artificial neural network approach was adopted, and the Levenberg-Marquardt algorithm was utilized for model training. The artificial neural network model demonstrated high reliability in forecasting ecological footprints for each OECD country. The limited number of studies in the literature that simultaneously employ panel data analysis and artificial neural network methods for predicting ecological footprints served as a primary motivation for this research. Therefore, this dissertation aims to contribute significantly to the literature both methodologically and in terms of content.Hızla artan nüfus, sanayileşme, kentleşme ve tüketim alışkanlıklarındaki artış, dünyamızın ekolojik denge üzerinde ciddi baskılar oluşturmasına neden olmaktadır. Bu durum, doğal kaynakların kontrolsüz ve sürdürülemez bir şekilde talep edilmesine yol açmıştır. Ekolojik tahribatın giderek daha görünür bir hale gelmesi, sürdürülebilir kalkınma hedefleri doğrultusunda "Ekolojik Ayak İzi" kavramının ortaya çıkmasını sağlamıştır. Araştırmada, yenilenebilir enerji tüketimi, küreselleşme ve ekonomik büyümenin ekolojik ayak izi üzerindeki etkileri analiz edilmiştir. Çalışma kapsamında, 1995-2021 yılları arasında elde edilen veriler kullanılarak panel veri analizi ve yapay sinir ağı yöntemleri ile tahminleme yapılmıştır. Panel veri analizi ile bağımsız değişkenlerin bağımlı değişken üzerindeki etkileri detaylı bir şekilde incelenmiş ve bu değişkenler, yapay sinir ağı modeli için girdi olarak kullanılmıştır. Böylece, ekolojik ayak izinin tahmin edilmesine yönelik yüksek doğruluklu bir model geliştirilmiştir. Araştırma sonucunda, modelde yer alan bağımsız değişkenlerin, ekolojik ayak izi üzerindeki etkilerinin anlamlı ve farklılık gösterdiği tespit edilmiştir. Özellikle gayrisafi yurt içi hasıla ve KOF küreselleşme endeksi, ekolojik ayak izini pozitif yönde etkileyen önemli faktörler olarak öne çıkmıştır. Diğer yandan, yenilenebilir enerji tüketiminin ekolojik ayak izini azaltan önemli bir değişken olduğu belirlenmiştir. Elde edilen sonuçlar doğrultusunda, ekolojik ayak izinin artışının kontrol altına alınabilmesi için yenilenebilir enerji yatırımlarının artırılması gerektiği sonucuna ulaşılmıştır. Modelleme sürecinde ileri beslemeli yapay sinir ağı yöntemi tercih edilmiş ve modelin eğitimi için Levenberg-Marquardt algoritması kullanılmıştır. Yapay sinir ağı modeli, her bir OECD ülkesi için yüksek güvenilirlikle tahminleme yaptığı sonucuna ulaşılmıştır. Literatürde ekolojik ayak izlerinin tahmin edilmesinde panel veri analizi ve yapay sinir ağı yöntemlerinin eş zamanlı olarak kullanılmasına yönelik çalışmaların sınırlı sayıda olması, bu araştırmanın motivasyonunu oluşturmuştur. Dolayısıyla, bu tez çalışması, hem yöntemsel hem de içerik açısından literatüre önemli bir katkı sağlamayı hedeflemektedir
A comprehensive benchmark of machine learning-based algorithms for medium-term electric vehicle charging demand prediction
No full textThe current difficulties faced by evolutionary smart grids, as well as the widespread electric vehicles (EVs) into the modernised electric power system, highlight the crucial balance between electricity generation and consumption. Focusing on renewable energy sources instead of fossil fuels can provide an enduring environment for future generations by mitigating the impacts of global warming. At this time, the popularity of EVs has been ascending day by day due to the fact that they have several advantages such as being environmentally friendly and having better mileage performance in city driving over conventional vehicles. Despite the merits of the EVs, there are also a few disadvantages consisting of the integration of the EVs into the existing infrastructure and their expensiveness by means of initial investment cost. In addition to those, machine learning (ML)-based techniques are usually employed in the EVs for battery management systems, drive performance, and passenger safety. This paper aims to implement an EV monthly charging demand prediction by using a novel technique based on an ensemble of Pearson correlation (PC) and analysis of variance (ANOVA) along with statistical and ML-based algorithms including seasonal auto-regressive integrated moving average with exogenous variables (SARIMAX), convolutional neural networks (CNNs), extreme gradient boosting (XGBoost) decision trees, gated recurrent unit (GRU) networks, long short-term memory (LSTM) networks, bidirectional LSTM (Bi-LSTM) and GRU (Bi-GRU) networks for the Eastern Mediterranean Region of T & uuml;rkiye. The performance and error metrics, including determination coefficient (R 2 \documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}\end{document} ), mean absolute percentage error (MAPE), mean absolute error (MAE), and mean absolute scaled error (MASE), are evaluated in a benchmarking manner. According to the obtained results, in Scenario 1, a hybrid of PC and XGBoost decision trees model achieved an R 2 \documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}\end{document} of 96.21%, MAPE of 5.52%, MAE of 6.5, and MASE of 0.195 with a training time of 2.08 s and a testing time of 0.016 s. In Scenario 2, a combination of ANOVA and XGBoost decision trees model demonstrated an R 2 \documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}\end{document} of 96.83%, a MAPE of 5.29%, a MAE of 6.0, and a MASE of 0.180 with a training time of 1.62 s and a testing time of 0.012 s. These findings highlight the superior accuracy and computational efficiency of the XGBoost models for both scenarios compared to others and reveal XGBoost's suitability for EV charging demand prediction
An efficient control scheme for operational performance enhancement of vehicular fuel cell integrated power system
No full textRecent advancements in fuel cell (FC) technology have positioned it as a promising alternative energy source across various stationary, mobile, and transportation applications. As fuel cell vehicles (FCVs) become increasingly prominent in the transportation sector, they also offer the potential to function as supplementary stationary energy providers when parked, thereby contributing to the grid. In this study, a control method to enhance the energy transfer capability of an FCV-integrated grid system is proposed. To manage energy transfer between grid and FCVs, classical strategies using fixed parameter controllers suffer from performance degradation due to the nonlinear and external parameter-dependent nature of the FC stacks. The proposed adaptive fractional-order proportional-integral strategy bears the advantage of self-tuning parameters feature for designing the control parameters of power conditioning unit. Using fractional-order control endows the system with memory and heredity, enhancing its ability to handle nonlinearity and uncertainty. Through case studies, it is demonstrated that the proposed strategy reduces vehicular FC output power variations by over 60 % while enhancing transient response by 50 % compared to classical control methods. Thus, the limitations such as low control flexibility, slow transient response, and high undershoot/overshoot rates addressed by the classical controllers are countered thanks to the developed strategy. © 2024 Elsevier B.V
Veri madenciliği ile işletme analitiği: Web temelli verilerin duygu analizi ile incelenmesi
No full textLisansüstü Eğitim Enstitüsü, İşletme (İngilizce) Ana Bilim DalıConsumers refer to product reviews in the processes of decision-making and obtaining information about the product before performing purchasing behaviour through e-commerce. Product reviews are produced by other consumers who have already purchased and experienced the product. It is aimed in this study to examine cosmetic products in a Turkey based e-commerce website with sentiment analysis and to create a new domain-specific Turkish sentiment dictionary model with manual labelling. In the study, a Turkish sentiment dictionary consisting of 65,378 words was created by manually labelling 875,445 product comments obtained from the web and sentiment analysis was performed using this dictionary. The data set is used for positive, neutral and negative classification problems by using various machine learning algorithms. Algorithms are compared by evaluated with accuracy, precision, recall and f-1 score metrics. The performance of the algorithms was highly successful in the groups and categories to which the product reviews were assigned. Compared to other algorithms, SVM showed the highest success in all categories. Thus, the created sentiment analysis dictionary showed classification success in the field of cosmetics and achieved high performance. The dictionary created in the study for the cosmetics sector is a reference source for similar or further studies to be carried out in the future.Tüketiciler, e-ticaret yolu ile satın alma davranışı gerçekleştirmeden önce karar verme ve ürüne dair bilgi elde edinme süreçlerinde ürün incelemelerine başvururlar. Ürün incelemeleri, ürünü daha önceden satın almış ve deneyimlemiş diğer tüketiciler tarafından üretilir. Bu çalışmada Türkiye temelli bir e-ticaret sitesinde yer alan kozmetik ürünlerinin duygu analizi ile incelenmesi ve manuel etiketleme ile alana özgü yeni bir Türkçe duygu sözlüğü modelinin oluşturulması amaçlanmıştır. Araştırmada, web aracılığıyla üretilen 875.445 ürün yorumu manuel etiketlenerek 65.378 kelimeden oluşan bir Türkçe duygu sözlüğü oluşturulmuş ve bu sözlük kullanılarak duygu analizi gerçekleştirilmiştir. Veri seti çeşitli makine öğrenmesi yöntemleri algoritmaları kullanılarak pozitif, nötr ve negatif sınıflandırma problemi ele alınmıştır. Algoritmalar karşılaştırmalı analiz ile doğruluk, kesinlik, geri çağırma ve f-1 skoru metrikleri ile değerlendirilmiştir. Ürün yorumlarının ait oldukları grup ve kategorilerde algoritmaların performansı yüksek düzeyde başarılı sonuçlar vermiştir. Diğer algoritmalara kıyasla tüm kategorilerde SVM en yüksek başarıyı göstermiştir. Böylelikle oluşturulan duygu analizi sözlüğü, kozmetik alanında sınıflandırma başarısı göstermiş ve yüksek performans elde edilmesini sağlamıştır. Çalışmada oluşturulan kozmetik sektörü için oluşturulmuş sözlük ile gelecekte gerçekleştirilecek benzer veya ileri çalışmalar için bir referans kaynağı olma özelliğini taşımaktadır
Derin öğrenme tabanlı nesne tespit sistemlerinin performansının incelenmesi
No full textLisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim DalıIn recent years, significant advancements have been achieved in object detection (OD) within computer vision due to rapid developments in deep learning (DL) methodologies. Nevertheless, region-based convolutional neural networks (R-CNNs) often suffer from computational inefficiencies due to the generation of an excessive number of candidate regions, many of which are redundant or irrelevant. Although single-stage algorithms have accelerated OD, the presence of high-frequency noise and irrelevant details makes these models sensitive to background disturbances. To adress these limitations, this study introduces a novel approach reducing the high-frequency noise in the input image for the object detection task. Specifically, the proposed model comprises a novel Adaptive Padding (AP) mechanism and Region of Interest (RoI) detector, which provides a balance between RoI generation and object detection. Experimental evaluations conducted on five bird datasets using R-CNN demonstrate that our method increased the proportion of region proposals with an Intersection over Union (IoU) greater than 0,5 from 20,93% to 65,17%. Furthermore, the number of positive proposals increased by 330% during training and 726% during testing, while redundant proposals were reduced by 55,48%. The proposed model was also used for YOLOv8 and tested with 351 images of 6 bird species. The model increased the mAp50 from 0,954 to 0,984 and the mAP50-95 from 0,633 to 0,781.Son yıllarda, derin öğrenme (DÖ) metodolojilerindeki hızlı gelişmeler nedeniyle bilgisayarla görme ile nesne algılama (NA) konusunda önemli ilerlemeler kaydedildi. Bununla birlikte, bölge tabanlı evrişimli sinir ağları (R-CNN'ler) çoğu gereksiz veya alakasız olan çok sayıda aday bölgenin üretilmesi nedeniyle genellikle hesaplama yetersizliklerinden muzdariptir. Tek aşamalı algoritmalar NA'yı hızlandırmış olsa da, yüksek frekanslı gürültünün ve alakasız ayrıntıların varlığı bu modelleri arka plan düzensizliklerine karşı hassas hale getirir. Bu sınırlamaları gidermek için, bu çalışma nesne algılama işlemi için giriş görüntüsündeki yüksek frekanslı gürültüyü azaltan yeni bir yaklaşım sunmaktadır. Önerilen model özellikle İlgi Alanı (IA) üretimi ve nesne algılama arasında bir denge sağlayan yeni bir Uyarlanabilir Dolgu (UD) mekanizması ve İlgi Alanı dedektöründen oluşmaktadır. R-CNN kullanılarak beş kuş veriseti üzerinde yürütülen deneysel değerlendirmeler, yöntemimizin Kesişim Birleşim Oranı (IoU) değeri 0,5'ten büyük olan bölge önerilerinin oranını %20,93'ten %65,17'e çıkardığını göstermektedir. Ayrıca, pozitif aday bölgelerin sayısı eğitim sırasında %330 ve test sırasında %726 artarken, gereksiz öneriler %55,48 oranında azaltılmıştır. Önerilen model YOLOv8 için de kullanılmış ve 6 kuş türüne ait 351 görüntü ile test edilmiştir. Model mAp50'yi 0,954'ten 0,984'e ve mAP50-95'i 0,633'ten 0,781'e çıkarmıştır
Project management methodologies-workforce efficiency relationship: An application on the installation of wind power plants in Turkey
No full textLisansüstü Eğitim Enstitüsü, Ekonomik ve Sosyal Etki Değerlendirme Çalışmaları Ana Bilim DalıBu çalışmada rüzgâr enerjisi santrallerinin kurulumu projelerinde karşılaşılan proje yönetimi problemlerinin neler olduğu, rüzgâr enerjisi santrallerinin kurulumu projelerinde uygulanan proje yönetimi metodolojilerinin neler olduğu, karşılaşılan sorunlar ile uygulanan metodoloji arasındaki korelasyonun tespiti ve rüzgâr enerjisi santrali kurulumunda uygulanması gereken en uygun proje yönetimi metodolojisini tespitinin yapılması amaçlanmıştır. Türkiye'de kurulan RES'lerde uygulanan proje yönetimi metodolojisini tespit etmek üzere anket (Ek-1) geliştirildi. Türkiye'de bulunan 274 firmaya çevrimiçi ortamda gönderildi örneklemde bulunan bu firmalar enerji bakanlığının resmi sitesinden alınmıştır. Firmaların proje uygulayıcılarına bu çevrimiçi anketimiz uygulanmıştır. Burada alınan veriler jamovi ile analiz edilip bulgular elde edilmiştir. Bu bulgular sonucunda metodoloji ile RES'lerin karşılaşılan sorunların korelasyonu sonuçlar tespiti yapılmıştır. Rüzgâr enerjisi santralleri kurulumundaki proje yöneticilerin kullandıkları metodolojinin yoğunluğuna bakıldığında waterfall, kanban, lean, agile, scrum, başarıda ise sıranın waterfall, kanban, agile, scrum, lean olduğu analiz edilmiştir. Bunun sonucu olarak waterfall, kanban metodolojilerini kullanan yöneticilerin doğru bir teknik kullandığı ve kullanmaya devam etmesi gerektiği RES kurulumuna uygun olduğu, fakat lean metodolojisi kullanan proje yöneticilerinin RES kurulumuna uygun olmadığı, bu tekniği kullanan proje yöneticilerinin öncelikli olarak waterfall sonra kanban metodolojisinin uygulaması gerektiği tespit edilip, proje yöneticilerin proje başarısı için metodoloji değişmeleri gerektiği öngörülmektedir.In this study, it is aimed to determine what the project management problems encountered in wind power plant installation projects are, what the project management methodologies applied in wind power plant installation projects are, to determine the correlation between the problems encountered and the applied methodology, and to determine the most appropriate project management methodology that should be applied in wind power plant installation. A survey (Annex-1) was developed to determine the project management methodology applied in WPPs established in Turkey. It was sent online to 274 companies in Turkey. These companies in the sample were taken from the official website of the Ministry of Energy. This online survey was applied to the project implementers of the companies. The data received here was analyzed with jamovi and findings were obtained. As a result of these findings, the correlation between the methodology and the problems encountered in WPPs was determined. When we look at the intensity of the methodology used by project managers in the installation of wind power plants, it is analyzed that the order of success is waterfall, kanban, agile, scrum, lean. As a result, it has been determined that managers using waterfall and kanban methodologies are using a correct technique and should continue to use it, and it is suitable for RES installation, but project managers using lean methodology are not suitable for RES installation, and project managers using this technique should first apply waterfall and then kanban methodology. It is predicted that project managers need to change their methodology for project succes
Veri yönetimi ve paylaşımında yapay zeka için blok zinciri
No full textLisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim DalıEmbargoed Access: 18.07.2027 tarihine kadar kullanımı yazar tarafından kısıtlanmıştır.Blockchain is a rapidly evolving technology that has attracted significant interest from researchers across various academic fields. Its inherent features have the potential to address trust-related issues. Therefore, it is essential to examine every aspect of this potential solution thoroughly and optimize its performance. In this doctoral dissertation, a data sharing network was designed using blockchain technology, and the network was thoroughly evaluated. The main goal of this study is to compare and analyze the consensus algorithms, a core component of blockchain technology, in terms of performance, scalability, and various other parameters. The results of the experiments were supported by statistical tests and graphical representations. Another part of the study involves conducting a feature selection process on the dataset obtained from the experiments. This process was carried out by proposing binary versions of three metaheuristic algorithms. Conclusions were drawn regarding the relative importance of the features. The results from both performance testing and feature selection provided valuable insights. A detailed analysis and interpretation of these outcomes were conducted within the scope of the study. These insights are crucial for achieving optimal blockchain system performance and deploying such systems effectively for their intended purposes.Blockchain, çeşitli akademik alanlardaki araştırmacıların kayda değer ilgisini çeken, hızla gelişen bir teknolojidir. İçsel özellikleri, güvene dayalı sorunları çözme potansiyeline sahiptir. Bu nedenle, bu potansiyel çözümün her yönünün kapsamlı bir şekilde incelenmesi ve performansının optimize edilmesi büyük önem taşımaktadır. Bu doktora tezinde, blockchain teknolojisi kullanılarak bir veri paylaşım ağı tasarlanmış ve ağ kapsamlı bir şekilde değerlendirilmiştir. Bu çalışmanın temel amacı, blockchain teknolojisinin temel bir bileşeni olan fikir birliği algoritmalarını performans, ölçeklenebilirlik ve diğer çeşitli parametreler açısından karşılaştırmak ve analiz etmektir. Deneylerin sonuçları istatistiksel test ve grafik çizimleri ile desteklenmiştir. Çalışmanın bir diğer kısmı, deneylerden üretilen veri seti üzerinde bir nitelik seçme süreci yürütmeyi içerir. Bu süreç, üç meta-sezgisel algoritmanın ikili versiyonları önerilerek gerçekleştirilmiştir. Niteliklerin göreceli önemi hakkında sonuçlar çıkarılmıştır. Hem performans testinden hem de özellik seçiminden elde edilen sonuçlar değerli içgörüler sağlamıştır. Bu sonuçların ayrıntılı bir analizi ve yorumu, çalışma kapsamında yürütülmüştür. Bu bilgiler, optimum blockchain sistem performansına ulaşmak ve bu sistemleri amaçlanan amaçları doğrultusunda etkili bir şekilde devreye almak için çok önemlidir
Veri madenciliği algoritmaları kullanılarak su kalitesini etkileyen parametrelerin tahmini
No full textLisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim DalıEmbargoed Access: 07.08.2027 tarihine kadar kullanımı yazar tarafından kısıtlanmıştır.Achieving a sustainable life is one of the most important issues today. In order for future generations to achieve this life, the United Nations (UN) has published the Sustainable Development Goals (SDGs). Among these, the 6th SDG under the title of "Clean Water and Sanitation" is of critical importance in terms of human health, hygiene and protection of ecosystems. Therefore, it reveals the necessity of sustainable management and effective monitoring of water resources. In this context, data mining applications and regression models were developed in the study carried out in order to monitor water quality and predict future changes. Within the scope of the study, five separate data sets were created by bringing together the parameters affecting water quality obtained from drinking water analyses of Adana, Mersin, İzmir, Sakarya and İstanbul provinces of Turkey. Water Quality Index (WQI) was calculated using various physical and chemical parameters. Various algorithms such as Linear Regression (LR), Support Vector Regression (SVR), Artificial Neural Networks (ANN), Decision Tree (DT), Random Forest (RF), Ridge Regression (RR) and Lasso were evaluated comparatively. As a result of the study, it was seen that ANN, SVR and LR models were effective for water quality management among the models evaluated with two different evaluation metrics.Sürdürülebilir bir yaşamın elde edilmesi günümüzde en önemli konulardan biridir. Sonraki nesillerin bu yaşamı elde edebilmesi için ise Birleşmiş Milletler (BM) tarafından Sürdürülebilir Kalkınma Hedefleri (SKH) yayınlanmıştır. Bunların arasında yer alan "Temiz Su ve Sanitasyon" başlığı altında 6. SKH insan sağlığı, hijyen ve ekosistemlerin korunması açısından kritik öneme sahiptir. Dolayısıyla, su kaynaklarının sürdürülebilir yönetimi ve etkin şekilde izlenmesi gerekliliğini ortaya koymaktadır. Bu doğrultuda gerçekleştirilen çalışmada, su kalitesinin izlenmesi ve gelecekteki değişimlerin öngörülebilmesi amacıyla veri madenciliği uygulamaları ile regresyon modelleri geliştirilmiştir. Çalışma kapsamında, Türkiye'nin Adana, Mersin, İzmir, Sakarya ve İstanbul illerine ait içme suyu analizlerinden elde edilen su kalitesini etkileyen parametreler bir araya getirilerek beş ayrı veri seti oluşturulmuştur. Çeşitli fiziksel ve kimyasal parametreler kullanılarak Su Kalite İndeksi (WQI) hesaplanmıştır. Linear Regression Lineer Regresyon (LR), Destek Vektör Regresyonu (DVR), Yapay Sinir Ağları (YSA), Karar Ağacı (KA), Rastgele Orman (RO), Ridge Regreysonu (RR) ve Lasso gibi çeşitli algoritmalar karşılaştırmalı olarak değerlendirilmiştir. Çalışma sonucunda, iki farklı değerlendirme metriği ile değerlendirilen modellerden YSA, DVR ve LR modellerinin su kalitesi yönetimi için etkili olduğu görülmüştür
Improving multi-class classification: scaled extensions of harmonic mean-based adaptive k-nearest neighbors
No full textThis paper proposes a novel extension of the harmonic mean-based adaptive k-nearest neighbors (HMAKNN) algorithm, called scaled HMAKNN (SHMAKNN), which builds on HMAKNN's strengths to achieve improved multi-class classification accuracy. HMAKNN uses a modified voting mechanism based on the harmonic mean and adaptive k-value selection to address issues like the sensitivity to k-value selection and the limitations of majority voting. SHMAKNN further improves the decision process by adjusting the components of the harmonic mean, focusing on voting values and the average distances of each class label. Additionally, SHMAKNN applies a re-scaling process to adjust the distances of the nearest neighbors within a specific range, enhancing the consistency of distances at different scales. These improvements help align the elements of the harmonic mean more effectively, leading to a balanced and less biased classification process. The study utilized 26 benchmark datasets, carefully curated to ensure accuracy and consistency, selected from diverse domains to evaluate the proposed method on real-world problems. These datasets were chosen to represent challenges like noise, imbalance, and sparsity, ensuring robustness in handling common data complexities. Additionally, small to medium-sized datasets were used to reduce computational burden and allow for efficient evaluation. The evaluation results show that the proposed SHMAKNN models outperform existing methods in both accuracy and F1-score for datasets with four or more classes. Specifically, SHMAKNN achieved the highest average accuracy and F1-score (86.36% and 86.16%) compared to HMAKNN (86.10% and 85.74%) and traditional k-nearest neighbors (84.87% and 84.69%). The performance improvements were validated using Friedman's test at a significance level of 0.05, confirming their statistical significance of the results. Consequently, the findings indicate that the proposed algorithm exhibits remarkable performance, thereby confirming its reliability and validity in the context of real-world applications, particularly those involving multiple classes
Elektrikli otobüsler için şarj istasyonları konumu belirlenmesi
No full textLisansüstü Eğitim Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim DalıEmbargoed Access: 31.01.2026 tarihine kadar kullanımı yazar tarafından kısıtlanmıştır.Electric buses have emerged as a crucial component in the transition to low-carbon public transportation systems, owing to their potential to reduce greenhouse gas emissions, mitigate air pollution, and lower urban noise levels. This thesis presents a novel optimization-based spatial planning framework for the deployment of fast-charging stations, designed explicitly for e-bus networks. The primary objective of the proposed model is to facilitate the transition to sustainable public transportation by minimizing the total system cost, which encompasses installation costs, operation and maintenance costs, transportation costs between e-bus routes and charging stations, and infrastructure costs associated with energy distribution lines. To solve the complex optimization problem, this study proposes a binary version of the Walrus Optimization Algorithm (BWAOA), a recently developed nature-inspired metaheuristic technique. The performance of BWAOA is benchmarked against three metaheuristic algorithms, the Arithmetic Optimization Algorithm, the Grey Wolf Optimization, and the Whale Optimization Algorithm, to verify its efficiency and robustness. The proposed model is applied to two real-world case studies based on datasets from Adana, Turkey, which include both public transportation network data and electric power infrastructure data. Experimental results reveal that the BWAOA-based model achieves superior performance in terms of cost minimization, solution stability, and convergence behavior. Additionally, the spatial distribution of selected charging station locations demonstrates improved accessibility for the e-bus network.Elektrikli otobüsler, sera gazı emisyonlarını azaltma, hava kirliliğini hafifletme ve kentsel gürültü seviyelerini düşürme potansiyelleri nedeniyle düşük karbonlu toplu taşıma sistemlerine geçişte önemli bir bileşen olarak ortaya çıkmıştır. Bu tez, özellikle e-otobüs ağları için tasarlanmış hızlı şarj istasyonlarının dağıtımı için yeni bir optimizasyon tabanlı mekansal planlama çerçevesi sunmaktadır. Önerilen modelin temel amacı, kurulum maliyetleri, işletme ve bakım maliyetleri, e-otobüs güzergahları ile şarj istasyonları arasındaki ulaşım maliyetleri ve enerji dağıtım hatlarıyla ilişkili altyapı maliyetlerini kapsayan toplam sistem maliyetini en aza indirerek sürdürülebilir toplu taşımacılığa geçişi kolaylaştırmaktır. Karmaşık optimizasyon problemini çözmek için bu çalışma, yakın zamanda geliştirilen doğadan ilham alan bir metasezgisel teknik olan Walrus Optimizasyon Algoritması'nın (BWAOA) ikili bir versiyonunu önermektedir. BWAOA'nın performansı, verimliliğini ve sağlamlığını doğrulamak için Aritmetik Optimizasyon Algoritması, Gri Kurt Optimizasyonu ve Balina Optimizasyon Algoritması olmak üzere üç metasezgisel algoritmaya göre kıyaslanmaktadır. Önerilen model, hem toplu taşıma ağı verilerini hem de elektrik enerjisi altyapısı verilerini içeren Adana, Türkiye'den veri kümelerine dayalı iki gerçek dünya vaka çalışmasına uygulanır. Deneysel sonuçlar, BWAOA tabanlı modelin maliyet minimizasyonu, çözüm kararlılığı ve yakınsama davranışı açısından üstün performans elde ettiğini ortaya koymaktadır. Ek olarak, seçilen şarj istasyonu konumlarının mekansal dağılımı, e-otobüs ağı için iyileştirilmiş erişilebilirliği göstermektedir