LEE- Geomatik Mühendisliği-Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Son Başvurular
1 - 5 / 23
-
ÖgeMakine öğrenmesi yöntemleri kullanılarak üç boyutlu nokta bulutlarının sınıflandırılması(Lisansüstü Eğitim Enstitüsü, 2023-06-09)Farklı mekansal veri elde etme yöntemleri ile elde edilen nokta bulutları, veri elde etme hızı, geniş kapsama alanı, yüksek doğrulukta üç boyutlu geometrik ve semantik bilgi sağlaması nedeniyle çok disiplinli çalışmalar olan tesis yönetimi, yapı bilgi modeli ve dijital dönüşüm konularında sıklıkla tercih edilmekte ve kullanılmaktadır. Görsel olarak başarılı ve hızlı analiz kabiliyeti sunan nokta bulutları, bu tür uygulamalar için gerekli olan yapı elemanlarının geometrik yapısını elde etme aşamasında, uzmanlık, yoğun iş gücü ve yüksek donanım kapasitesi gerektirmektedir. Nesne çıkarımının makina öğrenmesi ve bilgisayarla görü temelli gerçekleştirilmesi, sürecin daha hızlı ve otomatize bir şekilde yapılmasına olanak sağlamaktadır. Bu amaç doğrultusunda, güncel çalışmalarda farklı makina öğrenme modelleri ile iç mekanlara ait nokta bulutu verilerine sınıflandırma işlemi uygulanarak bilgi çıkarımı yapılmakta ve süreçlerin otomatize hale getirilerek zaman, iş gücü, maliyet bakımından kazanç sağlanmaktadır. Bu tez çalışması kapsamında; yapay sinir ağları, gradyan artırma ve karar ağacı tabanlı makine öğrenme modelleri kullanılarak, yapı elemanları olan duvar, kolon, kiriş, kapı, pencere ve yapı içerisinde bulunan diğer nesnelerin nokta bulutundan tespit edilerek dijital dönüşüm süreci ve yapı bilgi modeli üretimi için yöntem ve veri seti altyapısının oluşturulması amaçlanmıştır. Bu kapsamda çalışma bölgesi olarak İstanbul Teknik Üniversitesi, İnşaat Fakültesi'nde bulunan iki koridor seçilerek yersel lazer tarama yöntemiyle nokta bulutu verileri elde edilmiştir. Lazer tarama işlemleri Leica C10 model yersel lazer tarayıcı ile fotoğraflı olarak gerçekleştirilmiş olup, 19 oturumda tamamlanmıştır. Ortalama oturum süresi 25 - 35 dakikadır. Her oturumda ortalama 15 milyon nokta ve 260 fotoğraf elde edilmiştir. Sonraki aşamada, nokta bulutu verilerine ön işleme adımları uygulanmıştır. Ön işleme aşamasında ilk olarak, Yinelemeli En Yakın Nokta algoritmasi kullanılarak nokta bulutları birleştirilmiştir. Ardından, farklı çevresel etkiler nedeniyle nokta bulutunda oluşan gürültüler İstatistiksel Aykırı Değer Çıkarma yöntemiyle filtrelenmiştir. Gürültü filtresi uygulandıktan sonra voksel tabanlı alt örnekleme uygulanarak veri yoğunluğu azaltılmıştır. Ön işleme aşamasından sonra nokta bulutu üzerinde üç boyutlu olarak etiketleme yapılarak model eğitiminde kullanılacak referans sınıf değerleri üretilmiştir. Bu aşamadan sonra model eğitiminde kullanılacak olan özellikler belirlenmiş ve model performansının artırılması amaçlanarak yeni özellikler üretilmiştir. İlgili özellikler noktalara ait geometrik ve geometrik olmayan bilgileri içermektedir. Geometrik özellikler; noktalara ait üç boyutlu koordinat bilgileri (X, Y, Z), yüzey normalleri ve özdeğerlere göre üretilen özdeğer tabanlı geometrik özelliklerdir. Geometrik olmayan özellikler ise, noktalara ait renk bilgisi (R, G, B) ve yoğunluk değerleridir. Özdeğer tabanlı geometrik özellikler noktaların yerel komşuluk ilişkisine göre hesaplanan özdeğerlere göre çıkarılmakta olup nesnelerin geometrisine ait önemli bilgiler (doğrusallık, küresellik, düzlemsellik vb.) içermektedir. Özdeğer hesaplanmasında kullanılan yerel komşuluk yarıçapının seçimi model performansı açısından önem arz etmektedir. Özdeğerlerden üretilen geometrik özelliklerin her biri farklı bir geometrik yapıyı temsil ettiği için her özellik için farklı yerel komşuluk yarıçapının belirlenmesi gerekmektedir. Bu amaç doğrultusunda, 2 cm – 150 cm aralığındaki 55 farklı yerel komşuluk yarıçapına göre özdeğer üretimi gerçekleştirilmiştir. İlgili özdeğerler kullanılarak dokuz adet geometrik elde edilmiştir. Sonraki aşamada, nokta bulutu eğitim ve test bölgelerine ayrılmıştır. Her iki bölgede de sınıf ve koridor bulunmakta olup eğitim veri setinin %80'i eğitim %20'si ise doğrulama için ayrılmıştır. Model eğitimi için gerekli veri setleri üretildikten sonra normalizasyon uygulanarak veri setleri ölçekten bağımsız hale getirilmiştir. Ayrıca sınıf değerlerini temsil eden noktaların sayısı eşit olmadığı için veri setinde dengeleme yapılarak eğitim veri setinde bulunan her sınıf değerinin nokta sayısı 300 000 olarak yeniden örneklenmiştir. Bu aşamalar gerçekleştirildikten seçilen modeller ile eğitimler gerçekleştirilmiştir. Model eğitimleri için TÜBİTAK ULAKBİM Yüksek Başarımlı ve Grid Hesaplama Merkezi'nde bulunan Barbun kümesi kullanılmış olup her eğitim için 12 çekirdek ve 1 düğüm kullanılmıştır. Eş zamanlı eğitim sayısı ise 14'tür. Çalışmada üç farklı analiz yapılmıştır. İlk iki analizde model sonuçları eğitim süresi ve performans açısından değerlendirilmiştir. Üçüncü analizde ise, en yüksek genel ortalama doğruluğa sahip olan model SHAP değerleriyle yorumlanarak özelliklerin sınıflandırmaya olan etkileri incelenmiştir. İlk analizde, uygun yerel komşuluk yarıçapı seçiminin model performansına etkisinin belirlenmesi amaçlanmıştır. Burada, öncelikle sabit yerel komşuluk yarıçapları (20 cm, 40 cm, 60 cm, 80 cm, 100 cm) ile üretilen özdeğer tabanlı geometrik özellikler ile diğer özellikler kullanılarak model eğitimleri gerçekleştirilmiştir. Ardından, ki-kare hipotez testi kullanılarak her özdeğer tabanlı geometrik özellik için uygun yerel komşuluk yarıçapı belirlenmiştir. İlgili yarıçaplara göre üretilen özdeğer tabanlı geometrik özellikler ile diğer özelliklerin kombinasyonu kullanılarak model eğitimleri gerçekleştirilmiştir. Elde edilen sonuçlara göre en yüksek genel ortalama doğruluk, ki-kare hipotez testi ile belirlenen yerel komşuluk yarıçapları kullanılarak üretilen geometrik özellikler ile diğer özelliklerin kombinasyonunun Rastgele Orman yöntemi ile eğitilmesi sonucunda elde edilmiştir. İlgili modelin genel ortalama doğruluğu %80.06 olup eğitim süresi 138 saniyedir. Modelin hata matrisi incelendiğinde; kiriş, kolon, kapı, diğer ve pencere sınıflarına ait noktaların bir kısmının duvar olarak tahmin edildiği, masa/sıra sınıfına ait noktaların ise zemin olarak tahmin edildiği, tavan, zemin, aydınlatma ve duvar sınıflarının ise diğer sınıflarla karışmadığı gözlenmiştir. İşlem süresi ve genel ortalama doğruluk dikkate alındığında ise, ki-kare hipotez testi ile belirlenen yerel komşuluk yarıçapları kullanılarak üretilen geometrik özellikler ile diğer özelliklerin LightGBM modeli ile eğitilmesi ile elde edilen sonuçlar ön plana çıkmaktadır. İlgili modelde genel ortalama doğruluk değeri %78.40 olup eğitim süresi 53 saniyedir. Modelin hata matrisine göre; kiriş, kolon, kapı, diğer ve pencere sınıflarına ait noktaların bir kısmının duvar olarak tahmin edildiği, masa/sıra sınıfına ait noktaların ise zemin sınıfı olarak tahmin edildiği, tavan, zemin, aydınlatma ve duvar sınıflarının ise diğer sınıflarla karışmadığı gözlenmiştir. İkinci analizde, farklı özellik kombinasyonları kullanılarak özelliklerin model doğruluğuna olan etkileri incelenmiştir. Bu kapsamda dört farklı özellik kombinasyonu oluşturulmuştur. İlk kombinasyonda tüm özellikler kullanılarak model eğitimi gerçekleştirilmiştir. İkinci kombinasyonda ki-kare özellik seçimi uygulanarak modelde bulunan 19 özellik içerisinden en önemli 10 özellik seçilmiştir. Üçüncü kombinasyonda, renk ve yoğunluk bilgileri dahil edilmeden model eğitimi gerçekleştirilmiştir. Dördüncü kombinasyonda ise, özdeğerler kullanılarak üretilen geometrik özellikler kullanılmadan model eğitimleri gerçekleştirilmiştir. Tüm özellikler kullanılarak eğitilen model diğer özellik kombinasyonları için karşılaştırma modeli olarak kullanılmıştır. Ki-kare özellik seçimi ile belirlenen 10 özelliğin kullanım durumunda, MLP modelinin genel ortalama doğruluğu %8.68, XGBoost modelinin %4.41, CatBoost modelinin %4.17 ve RF modelinin %2.03 artış gösterirken LightGBM modelinin genel ortalama doğruluğu %3.69 azalış göstermiştir. Renk ve yoğunluk değerlerinin kullanılmadığı durumda genel ortalama doğruluk değerinde, MLP modelinde %2.52, XGBoost modelinde %2.36, CatBoost modelinde %1.38, LightGBM modelinde %2.51 ve RF modelinde %1.07 azalış meydana gelmiştir. Özdeğer tabanlı geometrik özelliklerin kullanılmadığı durumda genel ortalama doğruluk değerinde, MLP modelinde %25.43, XGBoost modelinde %10.97, CatBoost modelinde %8.32, LightGBM modelinde %8.71 ve RF modelinde %9.88 azalış olduğu gözlenmiştir. Dört farklı özellik kombinasyonu içerisinde en yüksek genel ortalama doğruluk değeri ki-kare hipotez testi ile belirlenen yerel komşuluk yarıçapları kullanılarak üretilen geometrik özellikler ile diğer özelliklerin CatBoost modeli ile eğitilmesi ile sonucunda elde edilmiştir. İlgili modelin genel ortalama doğruluk değeri %82.87, eğitim süresi ise 707 saniyedir. Hata matrisi incelendiğinde; kiriş, kolon ve diğer sınıfının bir bölümünün duvar olarak tahmin edildiği, masa/sıra ve pencere sınıfının bir bölümünün ise diğer sınıfı ile karıştığı gözlenmiştir. Üçüncü analizde, CatBoost modeli SHAP değerleriyle yorumlanmıştır. Yapılan incelemeye göre yükseklik (Z) ve dikeylik özelliğinin model üzerindeki ortalama etkisinin oldukça yüksek olduğu, mavi bant ve doğrusallık özelliğin etkisinin oldukça düşük olduğu gözlenmiştir.
-
ÖgeEmlak vergilerinin rayiç değer endeksli toplanması pratiğinin incelenmesi: İstanbul-Gaziosmanpaşa ilçesi örneği(Lisansüstü Eğitim Enstitüsü, 2022-07-06)Türkiye'de taşınmaz sahipliğinin getirdiği yükümlülüklerden biri de 1319 sayılı Emlak Vergi Kanununa dayanan emlak vergisinin ödenmesidir. Türkiye ekonomisinin gelir kaynaklarından biri olan emlak vergisi, yerel yönetimler için de önemli bir kaynaktır. Ancak mevcut mevzuat, kurumlar arası koordinasyon eksikliği ve vergiye tabi olan taşınmazların dinamik olarak izlenmesi gibi bir sistemin eksikliği hem taşınmazların güncel, gerçek değerlerinin saptanamamasına dolayısıyla emlak vergisi kayıplarına yol açmaktadır. Emlak vergisi değer tespitinde yaşanan temel sorunlardan biri de taşınmazların gerçekçi ve doğru değerlerinin tespiti hususudur. Bunun temel nedeni ülkemizin taşınmaz değerleme alanında belirli standartlara sahip olamamasıdır. Türkiye'de emlak vergisi toplanırken öncelikle vatandaşın beyanı istenmekte, beyan verilmemesi durumunda belediyece tespit edilen asgari vergi değeri üzerinden tutar tahakkuk ettirilmektedir. Emlak vergisine esas olan taşınmazların tespiti ve tespit edilen taşınmazların tapu kayıtları ile eşleştirilerek, taşınmaz maliklerinin emlak vergisini ödeyip ödemedikleri saptanabilmektedir. İlaveten, taşınmaz değerlerinin belirlenmesi, bu değerlere dayanarak değer haritalarının üretilmesi ve taşınmaz mal piyasasının kontrol altında tutulması, konuyla alakalı hizmetlerin yerine getirilerek kurumlar arasındaki koordinasyonu kuvvetlendirip, vergilendirmede verimliliğin yükseltilmesi hususunda; doğru ve güncel veriye duyulan ihtiyaç giderek artmaktadır. Taşınmazlarla ilgili mevcut birçok kanun ve yönetmelik var olmasına karşın, taşınmaz değerlemesi konusundaki mevzuat karmaşıklığı birçok soruna neden olmaktadır. Örneğin bir kamulaştırma uygulamasında taşınmazın değeri tespit edilirken, belediye tarafından belirlenmiş emlak vergi değeri, tapuda farklı bir değer, ipotek değeri gibi birbirinden farklı değerlere ek olarak kamulaştırma bilirkişileri tarafından belirlenmiş yine farklı bir değerin ortaya çıktığı görülmektedir. Bu çalışma kapsamında öncelikle mevcut emlak vergisi sisteminin işleyişi ele alınmış, daha sonra pilot çalışma alanı olarak belirlenen İstanbul'un Gaziosmanpaşa ilçesinde homojen olarak dağılmış konut nitelikli taşınmazların güncel emlak vergisi değerleri ile pazarı yansıtan ve web ortamında en çok kullanılan özel emlak sitelerinden elde edilen rayiç değerler arasındaki farklar dikkate alınarak bazı analizler yapılmıştır. Her bir vergi mükellefinin vergiye esas taşınmazına ait vergi ödemesinin teşvik edilmesi ve yerel yönetimler tarafından taşınmazların rayiç değerleri üzerinden emlak vergisinin tahsil edilmesi, vergi kayıplarının azaltılması, taşınmaz değerlerinin farklılıklarından doğan ekonomik sorunların çözüme kavuşturulması amacıyla bir irdeleme yapılmıştır. Bu tez çalışmasında emlak vergi değerlerinin rayiç değerler üzerinden hesabı için bir veri tabanı oluşturulmuş, bağımsız bölüm bazında taşınmaz değerleri ortaya konularak belediyeler tarafından asgari rayiç bedel olarak belirlenen sokak bazlı emlak vergi değerleri ile kıyaslamalar yapılmıştır. Elde edilen sonuçlara göre emlak vergisinin rayiç değerden yaklaşık yedi kat daha düşük bir oranda tahakkuk ettirildiği görülmüştür.
-
ÖgeEvaluation of grid based precipitation products over the Mediterranean region in Turkey(Graduate School, 2022-02-08)Precipitation is an important part of the hydrological and energy cycle, as well as a key input for many applications in hydrology, climatology, meteorology, weather forecasting, and socioeconomics. It is also a crucial factor to consider when evaluating the consequences of climate change at different spatial scales. As a result, precise precipitation estimation is critical for all the aforementioned applications. However, such accurate estimation is difficult due to the variability of precipitation throughout time and space. The main sources of precipitation data include rain gauge stations and weather radar stations as ground-based observations, as well as grid-based precipitation products. However, ground-based rainfall estimates lack spatial coverage, which is a significant issue for regional and global applications. In recent decades, considerable efforts have been undertaken to generate gridded precipitation products, resulting in a rise in the number of precipitation datasets at various spatial and temporal resolutions on a global or quasi-global scale. The key benefits of these products over ground-based stations (rain gauges and weather radars) are that they produce worldwide precipitation data with continuous and high spatial and temporal resolution, as well as public access to this data. Such information is especially important in developing countries or rural areas where weather radar or rain gauge data is scarce or of low quality. All gridded precipitation products, however, are subject to a number of errors, including sensor and algorithm faults. Furthermore, the precision of these products varies by place, season, climate, topography, and clouds. As a result, before applying gridded precipitation products in a specific location, a thorough and comprehensive assessment is necessary. In this study, an evaluation of six gridded precipitation products was performed over the Mediterranean region in Turkey from 2017 to 2021. The evaluation was performed at multiple temporal (monthly and annual) and spatial (grid and regional) scales. The precipitation data from the ground-based station (points) was upscaled to grids using Interpolation Weighting Average (IDW) and areal average techniques for the evaluation of the products at grid scale. To assess the gridded precipitation accuracy, 193 ground-based meteorolgical stations distributed through the study area were used. The products include (1) Integrated Multi-satellitE Retrievals for GPM (IMERG) with 0.1° spatial resolution (2) Group InfraRed Precipitation with Station data (CHIRPS) with 0.05° spatial resolution (3) Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks Cloud Classification System (PERSIANN CCS) with 0.04° spatial resolution (4) Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks - Dynamic Infrared Rain Rate near real-time (PDIR-Now) with 0.04° spatial resolution (5) PERSIANN- Climate Data Record (PERSIANN CDR) with 0.25° spatial resolution (6) ECMWF Reanalysis v5 (ERA5) with 0.25° spatial resolution. The results showed that at all spatial and temporal scales, CHIRPS, PERSIANN CDR, ERA5, and IMERG perform close to each other and better than PERSIANN CCS and PDIR. At all spatial and temporal scales, all products showed overestimation bias for low precipitation events whereas underestimation bias for heavy rainfall events. Except for PDIR, which showed an overestimation trend at both a monthly regional and annual grid scale for high precipitation occurrences. However, when compared to severe rainfall events, the performance of all products is better at low and moderate precipitation events. Therefore, the performance of the products was better in summer and spring months (March to October) than those of winter (December to February). At all spatial and temporal scales, CHIRPS, PERSIANN CDR, ERA5, and IMERG all perform similarly to each other and better than PERSIANN CCS and PDIR. So, after using some bias correction techniques, all four products could be promising to use as a complement to rain gauge stations for hydrological and environmental purposes in Turkey's Mediterranean region. However, taking into account the uncertainties of their data, PERSIANN CCS and PDIR could be employed for applications that require real-time precipitation data.
-
ÖgeCoğrafi bilgi sistemleri aracılığıyla havaalanı yer seçimi yapılması ve pist kullanılabilirliğinin incelenmesi: Tokat Havaalanı örneği(Lisansüstü Eğitim Enstitüsü, 2022-11-03)Geçmişte insanların bir yerden yere göç etmesiyle ulaşım alanında önemli gelişmelerin temeli atılmıştır. İnsan gücüyle kısa mesafelerde başlayan ulaşım serüveni, teknolojinin gelişmesiyle birlikte yerini uzun mesafelerde etkili ulaşım çeşitlerine bırakmıştır. Hızla artan nüfus, beraberinde ulaşım alanında yeni talep ve ihtiyaçların doğmasına neden olmuştur. Zamanla taşımacılık alanında önce karayolu ulaşımı sonrasında denizyolu ve demiryolu ulaşımı gelişmiştir. Günümüzde ise sağladığı avantajlarla birlikte havayolu ulaşım sistemleri önemli bir role sahip olmuştur. Havayolu ulaşımı, yolcuların zaman yönetimini kolaylaştırarak seyahat etmelerini, esnek rotalar ve hizmetlerle kısıtlanmayan bir yolculuğa sahip olmalarını, uzak mesafelere hızlı bir şekilde ulaşmalarını ve sadece yolcular için değil ayrıca yüklerin taşınabilmesini sağlayan dijitalleşmiş bir ulaşım şeklidir. Havayolu ulaşımı sağladığı kolaylıklar dolayısıyla hem uluslararası hem ülke içi ulaştırmada rağbet görmeye başlamıştır. Böylelikle ülkeler yeni havaaalanları inşası konusunda yatırımlarını büyük derecede arttırmışlardır. Yeni bir havaalanı yapılmak istendiğinde akıllara gelen ilk soru havaalanının nereye yapılacağı sorusudur. Havaalanı inşa edilecek yerin belirlenmesi oldukça efor isteyen bir aşamadır. Doğru bir planlama yapılmadığında, inşa edilmiş ya da inşa edilecek olan bir havaalanında kapasite eksikliği, finansal kayıp, kullanılamaz hale gelmek ve ihtiyaçlara cevapsız kalmak kaçınılmaz bir sondur. Meteorolojik koşullar, arazi yüksekliği ve eğimi, uçuş hattında bulunabilecek yapay ve doğal engeller, havaalanı kapasitesini karşılayabilecek nüfus yoğunluğu ve havaalanına olan ulaşım gibi bir çok parametrenin karar aşamasında değerlendirilmesi gerekir. Birden fazla parametrenin değerlendirilmesi gerektiği bu aşamada karar verebilmek için Çok Kriterli Karar Verme (ÇKKV) yöntemlerinden biri olan Analitik Hiyerarşi Yöntemi (AHY) sıkça kullanılan bir yöntemdir. Analitik Hiyerarşi Yöntemi ile ağırlıklı kriterleri incelemek, karar vermek ve analiz etmek için Coğrafi Bilgi Sistemleri'nden faydalanılır. CBS mekansal verilerin bilgisayar ortamında elde edilmesini, yönetilmesini, analiz edilmesini ve görüntülenmesini sağlayan günümüz teknolojisinde sıklıkla kullanılan bir sistemdir. Ayrıca, afet yönetimi, risk yönetimi ve planlama gibi birçok alanda analiz çalışmaları için altlık olarak kullanılabilmektedir. Bu çalışmada, altyapı sorunları nedeniyle eski pisti kullanılamayıp yeni bir pist inşa edilen Tokat Havaalanı'nda en uygun yer seçimi yaparak havaalanı yerinin doğruluğunu görmek ve yeni pist ile eski pisti kullanılabilirlik açısından değerlendirmek amaçlanmıştır. ÇKKV yöntemlerinden biri olan AHY ile gerekli kriterler kullanılarak CBS aracılığıyla en uygun havaalanı yer seçimi yapılarak eski ve yeni pistin kullanılabilirliği üzerine eleştirel bir yaklaşımda bulunulmuştur.
-
ÖgeEmlak vergisi için CBS ve makine öğrenmesi teknikleri kullanılarak toplu taşınmaz değerleme modeli tasarımı(Lisansüstü Eğitim Enstitüsü, 2023-01-30)Küresel ekonomik kaynakların önemli bir bölümünü oluşturan taşınmazlar, mülkiyete dayalı bir çok uygulamanın ana unsurudur. Bu sebeple taşınmaz değerinin, öznel yargılardan bağımsız, güncel yaklaşımlarla belirlenmesi oldukça önemlidir. Taşınmaz piyasası, bağlı olduğu değişkenlerle bulunan ilişkisi sebebiyle bir çok dalgalanmaya maruz kalabilmektedir. Bu dalgalanmaların yaşandığı piyasada taşınmaz değerinin geleneksel yöntemler kullanılarak belirlenmesi hukuksal ve ekonomik anlamda çeşitli sorunlara yol açmaktadır. Özellikle konusu bakımından taşınmaz değerine doğrudan bağlı olan Emlak Vergisi, vergiye esas rayiç değerin piyasa değerinden önemli ölçüde düşük kalmasından dolayı tartışılmaktadır. Bu bağlamda, ülkemizde, yasal mevzuat bütünlüğü çerçevesinde, uluslararası değerleme standartlara uygun bilimsel yaklaşımlara dayanan dinamik bir taşınmaz değerleme sistemine ihtiyaç vardır. Taşınmaz sayısı ve işlem hacmindeki artış göz önüne alındığında, taşınmaz değerlerinin daha hızlı ve yüksek doğrulukta sonuçlar veren toplu değerleme yöntemleriyle belirlenmesi için yeni yaklaşımlar geliştirilmiştir. Taşınmaz değerine etki eden konumsal faktörlerin Coğrafi Bilgi Sistemleri(CBS) ile analizi mümkün olmakta, makine öğrenmesi tekniklerinin kullanılmasıyla çok sayıda verinin analizi yapılmaktadır. Tez kapsamında öncelikle ülkemizdeki mevcut emlak vergisi mevzuatının analizi yapılarak tarihsel gelişimi, güncel işleyişi ve değer tespitinde yaşanan sorunlar ele alınmış, toplu taşınmaz değerleme konusu emlak vergisi çerçevesinde değerlendirilmiştir. Daha sonra makine öğrenmesinin türleri ve işleyişi incelenmiş, taşınmaz değerlemede yaygın olarak kullanılan makine öğrenmesi teknikleri irdelenmiştir. Çalışmada, taşınmazların toplu değerlemesi için CBS ve makine öğrenmesi tekniklerinin birlikte kullanıldığı kavramsal model tasarımı yapılmıştır. Kullanılacak model için CBS ortamında yakınlık, yüzey ve görünürlük olmak üzere örnek konumsal analizler yapılmış, analiz sonucu oluşan veriler değerleme için kullanılan faktörlerin ağırlıklarına göre birleştirilerek değer haritası üretilmiştir. Son olarak model kapsamında, makine öğrenmesi teknikleriyle yapılan analiz aşamalarında kullanılan araçlar ve yöntemler belirlenmiştir.
- 1 (current)
- 2
- 3
- 4
- 5