Tez No	İndirme	Tez Künye	Durumu
686125		Makine öğrenmesi teknikleri ile havacılıkta yakıt taşımacılığı kararının alınması ve bir uygulama / Decision-making in fuel tankering with machine learning techniques in aviation and its application Yazar:İLKER GÜVEN YILMAZ Danışman: PROF. DR. SEVİNÇ GÜLSEÇEN ; DR. ELİF KARTAL Yer Bilgisi: İstanbul Üniversitesi / Fen Bilimleri Enstitüsü / Enformatik Ana Bilim Dalı / Enformatik Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Sivil Havacılık = Civil Aviation Dizin:	Onaylandı Doktora Türkçe 2021 136 s.
Bu tez çalışmasının amacı havacılıkta yakıt taşımacılığı kararının makine öğrenmesi teknikleri ile alınmasıdır. Çalışmada kullanılan veri seti Türkiye'de hava taşımacılığı yapan ticari bir hava yolu firmasından temin edilmiştir. Literatürde yakıt taşımacılığı hesaplamasında kullanılan bazı temel özelleştirilebilir formüller/modeller mevcuttur. Bu çalışma ile bu formüllerden/modellerden bağımsız olarak ham veriden öğrenen makine öğrenmesi algoritmaları ile havacılık endüstrisinde yakıt taşımacılığı öngörüsünde bulunmak hedeflenmiştir. Çalışmada yakıt taşımacılığı durumunun "Var/Yok" şeklinde sınıflandırılması ve yakıt taşımacılığı miktarının tahmini için alternatif makine öğrenmesi modelleri oluşturulmuştur. k-En Yakın Komşu algoritması, Basit Bayes Sınıflandırıcı, Sınıflandırma ve Regresyon Ağaçları, Rastgele Orman algoritması, Yapay Sinir Ağları ve Destek Vektör Makinelerinden yararlanılmıştır. Sınıflandırma ve regresyon model performansları birbiriyle karşılaştırılmıştır. Analizler R programlama dili ile RStudio'da gerçekleştirilmiştir. En iyi performansı gösteren Rastgele Orman sınıflandırma (doğruluk=0,9646) ve regresyon (R²=0,8104) modelleriyle çevrimiçi bir Shiny uygulaması geliştirilmiştir.
In this thesis, it is aimed at decision-making in fuel tankering with machine learning techniques in aviation. The dataset used in this study is obtained from a commercial airline company based in Turkey. There are several basic customizable formulas/models used in the fuel tankering calculation referred in the literature. In this study, it is aimed to predict fuel tankering in the airline industry with machine learning algorithms that learn from raw data which is independent of these formulas/models. In this study, alternative machine learning models are created to classify the fuel tankering status as "Yes/No" and to predict the amount of fuel tankering. k-Nearest Neighbour algorithm, Naive Bayes Classifier, Classification and Regression Trees, Random Forest algorithm, Artificial Neural Networks, and Support Vector Machines algorithm are used. Performance of classification and regression models are compared with each other. Analyzes are carried out in RStudio with the R programming language. An online Shiny application is developed with the best performing Random Forest classification (Accuracy=0,9646) and regression (R²=0,8104) models.