MARC details
| 000 -LEADER |
|---|
| fixed length control field |
05966nam a2200445 i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER |
|---|
| control field |
TR-AnTOB |
| 005 - DATE AND TIME OF LATEST TRANSACTION |
|---|
| control field |
20230908000950.0 |
| 007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION |
|---|
| fixed length control field |
ta |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
|---|
| fixed length control field |
171111s2018 xxu e mmmm 00| 0 eng d |
| 035 ## - SYSTEM CONTROL NUMBER |
|---|
| System control number |
(TR-AnTOB)200438924 |
| 040 ## - CATALOGING SOURCE |
|---|
| Original cataloging agency |
TR-AnTOB |
| Language of cataloging |
eng |
| Description conventions |
rda |
| Transcribing agency |
TR-AnTOB |
| 041 0# - LANGUAGE CODE |
|---|
| Language code of text/sound track or separate title |
Türkçe |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) |
|---|
| Classification number |
TEZ TOBB FBE MİM YL’20 KOÇ |
| 100 1# - MAIN ENTRY--PERSONAL NAME |
|---|
| Personal name |
Koç, Mustafa |
| Relator term |
author |
| 9 (RLIN) |
112388 |
| 245 10 - TITLE STATEMENT |
|---|
| Title |
Investigation of urban climate and built environment relations by using machine learning / |
| Statement of responsibility, etc. |
Mustafa Koç ; thesis advisor Aktan Acar. |
| 246 11 - VARYING FORM OF TITLE |
|---|
| Title proper/short title |
Kentsel iklim ve yapılı çevre ilişkilerinin makine öğrenimi ile incelenmesi |
| 264 #1 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE |
|---|
| Place of production, publication, distribution, manufacture |
Ankara : |
| Name of producer, publisher, distributor, manufacturer |
TOBB ETÜ Fen Bilimleri Enstitüsü, |
| Date of production, publication, distribution, manufacture, or copyright notice |
2020. |
| 300 ## - PHYSICAL DESCRIPTION |
|---|
| Extent |
xiv, 62 pages : |
| Other physical details |
illustrations ; |
| Dimensions |
29 cm |
| 336 ## - CONTENT TYPE |
|---|
| Source |
rdacontent |
| Content type code |
txt |
| Content type term |
text |
| 337 ## - MEDIA TYPE |
|---|
| Source |
rdamedia |
| Media type code |
n |
| Media type term |
unmediated |
| 338 ## - CARRIER TYPE |
|---|
| Source |
rdacarrier |
| Carrier type code |
nc |
| Carrier type term |
volume |
| 502 ## - DISSERTATION NOTE |
|---|
| Dissertation note |
Tez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Nisan 2020 |
| 520 ## - SUMMARY, ETC. |
|---|
| Summary, etc. |
İklim değişikliği, bütün türlerin karmaşık bir etkileşim ağının öğesi olduğu doğada, tek organizma ölçeğinden ekosistem ölçeğine kadar bir etkiler zincirine sebep olabilir; bu nedenle her ölçekteki her etkinin değişimdeki rolü çok büyüktür. Bu ağların özellikleri, dünyadaki bütün ekosistemlerde belirleyici role sahiptir, bu nedenle iklim değişikliğinden nasıl etkileneceği ciddi araştırmalar sonucunda ortaya çıkacaktır. Kentsel alanlar, Dünya yüzeyinin küçük bir kısmını oluşturmasına rağmen iklim değişikliği üzerinde önemli etkiler yaratmaktadırlar ve bu etkilere karşın, kentleşmenin iklim ve ekosistemler üzerindeki etkileri yeterince çalışılmamıştır. Bu arada, kentleşme dünya genelinde artmaya devam etmektedir ve 2030'da nüfusun 2/3'ünün kentsel alanlarda yaşaması ve bu oranın zamanla artması beklenmektedir. Kentleşmeyi arttırmak, kentsel klimatolojiyi anlamayı ve gelecekteki senaryoları tahmin etmeyi iklim değişikliği konusunda önemli bir sorun haline getirmektedir. Günümüzde bu alandaki analitik araçların kullanımı artmış ve çok sayıda yazılım geliştirilmiştir. Bu yazılımları kullanmak, iklim değişikliğinin etkilerine göre kentsel alanlar oluşturmak için iklimi ve özellikleri hakkında kavrayışımızı geliştirecektir. Diğer yandan, gelişen teknoloji ile birlikte, model oluşturma ve simülasyon yapmada kullanılabilecek araçlar da artmakta ve gelişmektedir. Bu araçlardan biri, bilgisayardaki veri bilimlerinde otomatik olarak tanınmasıyla ilgilenen bilgisayar bilimi dalı olan makine öğrenmesi algoritmalarıdır. Makine öğrenmesi algoritmalarının kullanılmasının, iklimi anlama ve öngörmede büyük avantajlar sağlaması hedeflenmektedir. Büyük veriye dair hesaplama gücü ve doğrusal olmayan davranışları yakalama, yeni veriler geldiğinde öğrenme vb. özellikleri, makine öğrenmesini iklimin anlaşılması ve kentsel planlamanın geliştirilmesi için uygun bir araç haline getirecektir. Bu çalışmada açık kaynaklı bir makine öğrenmesi algoritması ele alınarak, iklim parametrelerinin geleceğe yönelik tahminlerini yapmak için modifiye edilmiştir. Bu anlamda, bu çalışmanın amacı, iklim tahmini yapmak için çalışan "recurrent neural network" algoritması elde ederek makine öğrenmesi algoritmalarının avantajlarını ve kullanılabilirliğini göstermek, bunun üzerinden makine öğreniminin tasarım elemanı olarak etkin bir şekilde kullanılması üzerine ve iklimin anlaşılması üzerine olası durumları tartışmaktadır. |
|
|---|
| Summary, etc. |
Climate change can cause a cascade of effects from the individual organisms to ecosystem-scale where in nature all species are elements of complex networks of interactions so every effect on every scale has great role. The properties of those networks are decisive on ecosystems all around the world so how they will be modified by climate change needs serious studies. Urban areas' vast population exert significant effects on the climate change even though they cover a small proportion of the Earth's surface, however, impacts of the urbanization on climate and ecosystems remain inadequately understood. In the meantime, urbanization continues to increase and in the 2030, 2/3 of the population is expected to be living in urban areas and this rate will increase in time. It is of importance to elaborate the studies investigating the relations between the urbanization and climate. In this respect, the use of information technologies with an extensive computational capacity is one of the cornerstones of the climate and urban studies. Machine learning algorithms is a branch of computer science that deals with automated recognition of patterns from data. The use of the machine learning algorithms can bring great advantages to both understanding and predicting the climate. The computational power with big data and ability to capture nonlinear behavior, learn as new data arrive, etc. make the machine learning favorable tool for understanding climate and developing urban planning. In this sense, purpose of this study is showing the advantages of machine learning algorithms by achieving working recurrent neural network algorithm to make climate predictions, and through this achievement, stating possible effects of machine learning on design and its contribution to understanding the climate. |
| 650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM |
|---|
| Topical term or geographic name entry element |
Tezler, Akademik |
| 9 (RLIN) |
32546 |
| 653 ## - INDEX TERM--UNCONTROLLED |
|---|
| Uncontrolled term |
Architecture |
|
|---|
| Uncontrolled term |
Climate |
|
|---|
| Uncontrolled term |
Urban Design |
|
|---|
| Uncontrolled term |
Climate Change |
|
|---|
| Uncontrolled term |
Machine Learning |
|
|---|
| Uncontrolled term |
Mimarlık |
|
|---|
| Uncontrolled term |
İklim |
|
|---|
| Uncontrolled term |
Kentsel Tasarım |
|
|---|
| Uncontrolled term |
İklim Değişikliği |
|
|---|
| Uncontrolled term |
Makine Öğrenmesi |
| 700 1# - ADDED ENTRY--PERSONAL NAME |
|---|
| Personal name |
Acar, Aktan |
| 9 (RLIN) |
128798 |
| Relator term |
advisor |
| 710 ## - ADDED ENTRY--CORPORATE NAME |
|---|
| Corporate name or jurisdiction name as entry element |
TOBB Ekonomi ve Teknoloji Üniversitesi. |
| Subordinate unit |
Fen Bilimleri Enstitüsü |
| 9 (RLIN) |
77078 |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) |
|---|
| Koha item type |
Thesis |
| Source of classification or shelving scheme |
Other/Generic Classification Scheme |
