Yapay zekanın yakın gelecekte hayatımızın bir parçası olacağı toplumun büyük bir kesimi tarafından benimsenmiş olmasının altında yatan en büyük etken bu konuda çalışma yapan akademisyenlerdir.
Tüm dünyada yapay zeka konusunda çalışma yapan akademisyenlerin yapay zekaya ilişkin akademik makalelerin sayısı 1996 yılından itibaren tam 9 misli artmış. 20 yıl önce yılda sadece 1500 makale yayımlanırken bugün bu sayı 20.000’e yaklaşmış.
Türkiye’de son yıllarda yapay zeka konusunda yazılan makalerin sayısı malesef bu artıştan bu oranda etkilenmemiş. 1950 yılından günümüze kadar yapay zeka konusunda yazılan yüksek lisans ve doktora tez sayısının sadece 217 olması (Yükseköğretim Kurulu Başkanlığı Tez Merkezinde bulunan tezler bu sayıyı oluşturmuştur) bu konuda uzman personel sayısının ne kadar az olduğunu gözler önüne sermektedir.
2017 yılında 3 Doktora, 6 Yüksek Lisans Tezi olmak üzere toplam 9 Yapay Zeka ile ilgili tez yayınlanmış. Yayınlanan tezler bu konuda çalışmak isteyen akademik personele rehberlik etmesi açısından aşağıda sunulmuştur. Belirtilen tezlere Yükseköğretim Kurulu Başkanlığı Tez Merkezinin web sitesinden ulaşabilirsiniz. (www.tez.yok.gov.tr) 2018 yılında yapay zeka ile ilgili tez sayılarının artması temennisi ile…
ERAY MERT TEKİN – 2017 -Yüksek Lisans
Yapay zeka tabanlı optimizasyon algoritmaları ile AISI 1050 çeliğinin yüzey pürüzlülük değerinin hesaplanması
(Calculation of surface roughness value of AISI 1050 steel with optimization algorithms based artificial intelligence)
Endüstride önemli bir malzeme olan çelik kolayca üretilip şekillendirilebilmektedir. Bunun yanında mekanik özellikleri de dikkate alındığında imalat sektöründe oldukça yaygın kullanılmaktadır. Çelik imalatında yüzey pürüzlülüğü önemli bir faktördür ve yüzey pürüzlülüğünü etkileyen birçok parametre vardır. Bu çalışmada, AISI 1050 çeliğinin yüzey pürüzlülüğünün hesaplanmasında yakın zamanda yapay zekâ optimizasyon algoritması olarak geliştirilen yapay arı koloni algoritması kullanılarak elde edilen yeni ve basit bir matematiksel ifade sunulmuştur. Bu ifadenin yanında yapay sinir ağları kullanılarak geliştirilen bir model de önerilmiştir. Bir CNC işleme merkezi yardımıyla kesme hızı, ilerleme hızı ve kesme derinliği gibi kesme parametrelerinden oluşan deney verileri kullanarak matematiksel ifade ve model geliştirilmiştir. Matematiksel ifade ortaya çıkarılırken birçok formülasyon denenmiştir. Denemelerin sonucunda ifadenin basit olmasının yanında kabul edilebilecek hatayla hesaplanabilmesi sebebiyle sunulmuş olan ifade de karar kılınmıştır. Bu ifadenin bilinmeyen katsayıları optimum bir şekilde belirlenirken çoğu probleme başarılı çözümler sunan yapay arı koloni algoritması kullanılmıştır. Geliştirilen formülden elde edilen sonuçlar daha önce literatürde bildirilen yöntem ile karşılaştırılmıştır. Yapay arı kolonisi ile önerilen ifade %2,95 ortalama hata oranı ile yüzey pürüzlülüğünü hesaplamaktadır ve literatürdeki ifadeyle kıyaslandığında daha uyumlu olduğu gözlemlenmiştir. Ayrıca kesme parametrelerinin AISI 1050 çeliğinin yüzey pürüzlülüğü üzerindeki bireysel etkilerini değerlendirmek adına bir parametrik çalışma gerçekleştirilmiştir. Bu parametrik çalışmanın sonuç verileri tablo ve şekil olarak gösterilmiştir. Bunlara ek olarak kesme parametrelerine bağlı olarak AISI 1050 çeliğinin yüzey pürüzlülüğünün tahminini gerçekleştiren yapay sinir ağı modeli sunulmaktadır. Yapay sinir ağının eğitimi aynı deneysel veriler yardımıyla Levenberg-Marquardt algoritması kullanılarak gerçekleştirilmiştir. Ağ ortalama %3,10 hata ile yüzey pürüzlülüğü tahmininde bulunmuştur. Son olarak çeşitli algoritmalar ile yapay sinir ağı modelleri oluşturulmuştur ve bunların yüzey pürüzlülüğü tahminindeki başarı yüzdelerinin karşılaştırması tablo ve şekillerle sunulmuştur.
ÜMRAN IŞIK – 2017 – Yüksek Lisans
Yapay zeka teknikleri ile polisomnografi sinyallerinden uyku apnesi sınıflandırılması
(Sleep apnea classification from polysomnography signals with artificial intelligence techniques)
Obstrüktif uyku apnesi (OSA) en önemli uyku rahatsızlıklarından biridir. Solunum durmaları ve sonrasındaki solunum çabası temel olarak hastalığı karakterize eder. Polisomnografi (PSG) gece uyku boyunca alınan, EEG, EOG, EMG, EKG, Hava akışı, SPO2 gibi çeşitli fizyolojil sinyalleri içerisinde barındıran ve teşhiste faydalanılan temel yöntemdir. Bu çalışmanın amacı OSA hastaları ve normal teşhis konulmuş bireylerin PSG kayıtlarından (Erciyes Üniversiyesi Uyku Laboratuvarı) faydalanarak OSA durumunun değerlendirilmesidir. Çalışma 3 uygulama halinde planlanmıştır. Uygulama 1’de Normal (OSA teşhisi konulmayan kontrol grubu), Hafif, Orta ve Ağır OSA hastalarının sınıflandırılması üzerinde çalışılmıştır. Herbir gruptan 30 ar örnek olmak üzere toplam 120 örnek üzerinde çalışılmıştır. PSG raporlarından elde edilen toplam 30 özellik sınıflandırmada kullanılmıştır. Daha sonraki adımında belirlenen özelliklere Temel Bileşen Analizi (TBA) uygulanarak elde edilen temel bileşenlerle sınıflandırma tekrar gerçekleştirilmiştir. Uygulama 2’de ve 3’de 6 OSA hastası ve 6 kontrole (OSA teşhisi konulmamış normal olarak teşhiş konulmuş bireyler) ait kayıtlar üzerinde çalışılmıştır. OSA hastaları için nazal kanülden OSA olan örnekler normal teşhis konan kişiler için ise apneli olmayan rasgele bölgeler seçilerek diğer sinyallerin seçilen bu kısımlara denk gelen bölgeleri bulunmuş ve bu kısımların istatistiksel özellikleri olan ortalama, varyans ve entropi değerleri hesaplanmıştır. Uygulama 2’de seçilen kısımlardan EEG, EMG, EKG, EOG, SPO2 ye denk gelen sinyal parçaları için ortalama, varyans ve entropi değerleri hesaplanarak daha sonraki analizlerde kullanılmıştır. Analizde yine TBA uygulanarak sınıflandırma tekrar yapılmıştır. Uygulama 3’de ise seçilen sinyal parçalarının wavelet katsayılarına ait ortalama, varyans ve entropi değerleri herbir EEG kanalı için (C3A2 ve C4A1) hesaplanmış ve REM (Hızlı göz hareketi olan Uyku Evresi) ve NREM (Hızlı Göz Hareketi Olmayan Uyku Evresi) bölgeleri için örnekler alınarak birleştirilmiş ve sınıflandırmada kullanılmıştır. Analiz daha sonra iki veri indirgeme yöntemi (önemli katsayıların belirlenmesi ve TBA) ile elde edilen özelliller üzerinden tekrarlanmıştır. Bütün uygulamalarda ve kullanılan sınıflandırıcıların büyük çoğunluğunda genel olarak % 80 – % 90 gibi yüksek doğruluk oranları gözlenmiştir. Bölümlerin kendi içinde değerlendirildiği birçok analizde yine %90 doğruluk oranlarının üzerine çıkıldığı da gözlenmiştir. Uygulama 1’de genel olarak sınıflandırıcılarla yüksek doğruluk oranlarına ulaşılmıştır. Genel olarak bakıldığında YSA, SL, OneR, LMT, DT, RF, CVR nispeten yüksek doğruluk oranları veren sınıflandırıcılar arasındadır. Uygulama 2 sonuçları genel olarak değerlendirildiğinde; SPO2’nin genelde çok yüksek sonuç verdiği gözlemlenmiştir. Abdominal sinyalinin de yine SPO2 kadar olmamakla beraber nispeten yüksek değerler verdiği görülmektedir. Abdominalden sonra nispeten yüksek değerler veren diğer sinyal EEG’dir. EKG, EMG ya da EOG sinyallerine bakıldığında tek tek kullanıldıklarında SPO2, Abdominal ya da EEG sinyallerine göre biraz daha düşük değerler vermişlerdir. Uygulama 2 ve 3 için genel olarak tüm sonuçlara bakıldığında NREM bölgesinin REM bölgesine göre genel olarak CCI ve ROC değerleri için daha yüksek doğruluk oranları verdiği görülmektedir. Benzer şekilde daha düşük MAE değerleri yani daha düşük hata oranları dolayısıyla yine daha yüksek doğruluk oranları verdiği görülmektedir. Uygulama 3 sonuçları genel olarak değerlendirildiğinde SL, YSA, LMT, LG, KNN, RF, VR, MCC, RFC, RC sınıflandırıcıları nispeten yüksek doğruluk oranları veren sınıflandırıcılar arasında çıkmıştır.
AYDIN GÜLLÜ – 2017 – Doktora
Labirentlerde yapay zeka tabanlı yön bulma algoritmaları kullanan bir gezgin robot geliştirilmesi
(Development of mobile robot based on artificial intelligence for navigation algorithms in mazes)
Bu tez kapsamında, otonom çalışan bir gezgin robot ile daha önceden bilinmeyen gerçek bir ortamın tanımlanması sağlanacaktır. Ortamın tanımlanmasından sonra, ortamdan seçilen iki nokta arasındaki en kısa yolun bulunması için çeşitli yazılımlar geliştirilmiştir. Bilgisayar üzerinde gerçekleştirilen yazılım ile ortamın analizi için yapay zeka tabanlı arama ve çözümleme fonksiyonları geliştirilmiştir. Ortam olarak çizgi labirent kullanılmıştır. Analiz için, duvar takibi, derinlik öncelikli arama, genişlik öncelikli arama algoritmaları ile testler yapılmıştır. Ortamın gerçek zamanlı taranmasında derinlik öncelikli arama ve genişlik öncelikli arama algoritmaları, Dijkstra en kısa yol algoritması ile bütünleşik çalıştırılmıştır. Bu hibrid çalışma gerçek ortamın keşfi için daha verimli sonuçlar vermektedir. Ortamın keşfi sonucunda tüm labirent grafik yapısına dönüştürülmüştür. Labirentin tanımlanması geliştirilen algoritmalar ile yapılabileceği gibi, labirentin görüntüsünün analizi ile de yapılabilmektedir. Bunun için görüntü işleme yazılımı geliştirilmiş ve labirentin yapısı bilgisayara aktarılmıştır. Robot, labirent üzerinde seçilen bir hedef nokta için en kısa mesafeyi kullanarak ulaşabilmektedir. Bu işlem için A Yıldız (A*) veya açgözlü en iyi öncelikli arama algoritmaları kullanılmıştır. Bu algoritmalardan A* yapılan testlerde her zaman en kısa yolu vermiştir. Test labirentlerinin oluşturulması derinlik öncelikli arama algoritması ile rastgele yapılmıştır.
UTKU KÖSE – 2017 – Doktora
Yapay zeka tabanlı optimizasyon algoritmaları geliştirilmesi
(Development of artificial intelligence based optimization algorithms)
Yapay Zekâ (YZ), hiç kuşkusuz ki Bilgisayar Bilimleri’nin en önemli ilgi alanlarından birisidir. İnsan düşünce – davranış şekilleri ve doğa dinamiklerinin benzetimi neticesinde sunduğu etkin ve tutarlı çözümler nedeniyle hızlı bir şekilde gelişmiş ve modern yaşamın neredeyse her alanında yerini alarak gücünü kanıtlamıştır. Çok-disiplinli uygulanabilir olma özelliği, aynı zamanda farklı problem çeşitlerine kolaylıkla adapte edilebilmesiyle ilgilidir. Bu durum, YZ’nin kendi içerisinde alt-araştırma alanlarına ayrılmasına da sebep olmuştur. Optimizasyon, YZ’nin yoğun bir şekilde ilgili olduğu problem alanlarından birisidir. Genel olarak, eldeki kaynaklar bağlamında ‘optimumu – en uygunu bulma’ çabaları olarak tanımlayabileceğimiz optimizasyon, klasik tekniklerin yetersiz kalmaya başlaması sonrasında, çözümü YZ bünyesinde bulmuştur. Elde edilen başarılı sonuçlar, optimizasyon problemleri için kullanılan tekniklerin tasarlanmasına sebep olmuş ve sonuç olarak ilgili literatürde, YZ tabanlı optimizasyon tekniklerine yönelik bir alt-araştırma ortamı ortaya çıkmıştır. YZ tabanlı optimizasyon teknikleri tipik olarak çeşitli mantıksal ve matematiksel çözüm yaklaşımları çerçevesinde şekillenen ve çoğunlukla doğal dinamiklerden esinlenerek tasarlanan algoritmalar olarak bilinmektedir. Bu tür algoritmalara yönelik literatür özellikle son yıllarda büyük bir ivme kazanmış ve bilim insanlarının ilgi alanları içerisine girmiştir. Bu tez çalışmasının amacı, daha kolay kodlanabilen, alternatif YZ tabanlı optimizasyon algoritmaları geliştirmektir. Bu bağlamda, arkaplanı anlamak adına öncelikli olarak ‘YZ ve optimizasyon’ konusuna yönelik temel bilgiler sunulmuş ve literatürde ön plana çıkan bazı algoritmalardan bahsedilmiş, sonrasında ise, iki farklı sürekli optimizasyon algoritması geliştirilmiştir. Sırasıyla Girdap Optimizasyon Algoritması (GOA) ve Bilişsel Gelişim Optimizasyon Algoritması (BiGOA) adı verilen algoritmalar, Sürü Zekâsı adı altında incelenebilen çeşitli mekanizmaları ve basit matematiksel süreçleri içermektedir. Geliştirilen algoritmalar, çeşitli değerlendirme süreçlerinden geçirilmiş ve elde edilen bulgular, algoritmaların zeki optimizasyonda yeter düzeyde başarılı olduklarını göstermiştir.
MUSTAFA AKPINAR – 2017 – Doktora
İstatistik ve yapay zeka teknikleri ile enerji tüketiminin tahmini: Sakarya doğal gaz tüketiminin uygulaması
(Demand forecasting of energy consumption with statistical and artificial intelligent techniques: Sakarya natural gas consumption application)
Ülke yönetimleri, enerji talep tahminlerini güvenilir, doğru ve düşük hata ile yaparak ekonomik ve sosyal kayıpları azaltmak için çalışmaktadırlar. Bu tez çalışması kapsamında, enerji sektöründeki önemli alt sektörlerden biri olan doğal gaz üzerine yıl öncesi aylık talep tahmini ve gün öncesi talep tahmini, farklı yöntemler kullanarak en düşük hata ile gerçekleştirilmeye çalışılmıştır. Önerilen yöntemler, tek değişkenli olup, kendi tüketim verisinden başka hiçbir veriye ihtiyaç duymamaktadır. Tez çalışması kapsamında getirilen yenilik; yanlış tahminden kaynaklanan cezaları en aza indirecek model ve yaklaşımın bulunması olup, bunların günlük yaşamda kullanılabileceğini göstermektir. Bu çalışmada doğal gaz talep tahmini için iki farklı durum ele alınmıştır. İlk durumda yıl öncesi aylık talep tahmini yapılırken, ikinci durumda gün öncesi talep tahmini yapılmıştır. Dört yıllık doğal gaz tüketim verisi üzerinden önce yıl öncesi aylık talep tahminleri aylık ve günlük olarak iki farklı veri yoğunluğunda. Zaman serilerinin ayrıştırılması (ZSA), Winters üstel düzleştirme (WÜD) yöntemi, tümleşik kendiyle bağlaşımlı hareketli ortalama (ARIMA), sezonsal ARIMA (SARIMA) yöntemleri kullanılarak gerçekleştirilmiştir. Bu yöntemler ile yapılan tahminler sonucunda, günlük veri ile günlük olarak yılın tahmin edildikten sonra aylık tüketime dönüştürülmesinin aylık veri ile tahmine göre, hata oranında %12,9 MAPE’den %11,9 MAPE’ye düşüş sağladığı ortaya çıkartılmıştır. Günlük talep tahmininde ise iki farklı şekilde gün öncesi tahminler gerçekleştirilmiştir. İlk durumda, bir yılın bir anda tahmini için oluşturulan ZSA, WÜD, ARIMA ve SARIMA modellerin sonuçları %27 MAPE ve 0,8 R2 civarında sonuçlar bulmuştur. İkinci durumda ise kayan pencere tekniği (KPT) kullanılarak WÜD ve yapay sinir ağları (YSA) ile gün öncesi talep tahmini gerçekleştirilmiştir. Burada ilk üç yıllık veri ile her gün için farklı α,β,γ parametreleri bulunarak WÜD ile tahmin yapılırken, YSA’ da yine üç yıllık veri kullanılarak geri yayılım (GY) ve yapay arı kolonisi (YAK) algoritmalarının eğitimde kullanılması ile tahminler yapılmıştır. KPT ile WÜD ve YSA-YAK sırasıyla en düşük %15 ve %14,9 MAPE elde ederken, en yüksek 0.94 ve 0.89 R2 değeri elde ederek gün öncesi talep tahminini gerçekleştirmişlerdir. Sonuç olarak, önerilen tahmin modellerinin, literatürde sıklıkla kullanılan doğal gaz tüketim talep tahmini için kabul edilebilir uygun sonuçlar üretebildiği görülmüştür. Önerilen modeller ile geçmiş verisinden başka bağımsız değişken ihtiyacı olmayan tahminlerin gerçek yaşamda da ödenen talep tahmin cezalarını azaltabileceği görülmüştür.
ÖMER GÜNGÖR – 2017 – Yüksek Lisans
Ios tabanlı mobil cihazlar için yapay zeka yöntemi ile görüntü sıkıştırma ve iletim uygulaması
Bilgi çağında iletişim teknolojileri hızla gelişmektedir. İnsanlar, aralarındaki iletişimi arttırmak için teknolojiden yararlanmaktadırlar. Bu durum bilginin iletilmesi ve iletilirken kaynakların verimli kullanılmasını zorunlu kılmıştır. Bu kaynaklar enerji, saklama alanı, bant genişliği gibi sürekli kullanılan kaynaklardır. Bu tez kapsamında yapılan çalışmanın amacı IOS işletim sistemi kullanan cihazlarda görüntüyü iki farklı yapay zekâ algoritması ile sıkıştırarak görüntünün boyutunun düşürülerek enerji tüketiminden kazanç sağlanması ve performans analizlerinin incelenmesidir. IOS İşletim sistemine sahip olan cihazlar günümüzde oldukça popülerdir. En büyük rakibi olan Android işletim sistemine sahip cihazların maliyet olarak daha uygun olmasından ve Android Market’in bir firmaya değil de bir topluluğa aitmiş gibi olmasından dolayı günden güne IOS tarafında popülarite düşse de, aralarında büyük bir rekabet vardır. Bu rekabet ve IOS işletim sistemine sahip cihazların çok satılması bu konuda araştırma yapmak için yeterince büyük bir sebep teşkil etmektedir. Tez araştırma aşamasında IOS İşletim sistemi cihazlarda kullanılabilen diğer mesajlaşma programları ve diğer işletim sistemlerinde kullanılan mesajlaşma programları incelenmiştir. Görüntü transferlerinde daha az kaynak harcamak, teknolojiyi verimli kullanmak için yapay zekâ ve görüntü sıkıştırma yöntemleri kullanılmıştır.
ABDURRAHMAN AĞTAŞ – 2017 – Yüksek Lisans
Devrek ve Devrekani çaylarında taşınan sediment miktarının yapay zeka metotlarıyla tahmini
(The prediction of the sediment amount in Devrek and Devrakani rivers by artificial intelligence methods)
Akarsular tarafından taşınan katı madde miktarlarının doğru bir şekilde tahmin edilmesi; barajların projelendirilmesi, içme ve kullanma suyu temini problemleri, havzanın erozyon karakteristiklerinin belirlenmesi, akarsu taşımacılığı ve akarsu üzerine yapılması planlanan su yapısının ekonomik ömrünün belirlenmesi vb. konularda çok büyük önem taşımaktadır. Mevcut su kaynaklarının ekonomik, çevresel ve sosyal faydalar içinde en etkin biçimde kullanımını sağlamak için akarsularda taşınan katı madde miktarının belirlenmesi gerekli çalışmaların başında gelmektedir. Yapılan bu çalışmada yapay zekâ yöntemlerinin akarsularda taşınan katı madde miktarını tahmin etmek için kullanılabilirliği araştırılmıştır. Bu çalışmada yapılan uygulamalarda aynı havzada bulunan Devrek ve Devrekani Çaylarına ait akım ve sediment verilerinden yararlanılmıştır. Çeşitli yapay zekâ yöntemleri ile günlük ve aylık akım verimleri kullanılarak günlük taşınan katı madde tahmin modelleri geliştirilmiştir. Ölçülen sonuçlar ile yapılan karşılaştırmalar, yapay zekâ modellerinin akarsularda taşınan sediment miktarı tahmininde başarılı bir şekilde uygulanabileceğini göstermiştir. Ayrıca aynı havzada bulunan akarsular için oluşturulan modellerin başka bir akarsuda taşınan sediment miktarının tahmin edilmesinde de kullanılabilir olduğu görülmüştür.
AYŞEGÜL AKSAKAL – 2017 – Yüksek Lisans
Türkiye’deki resmi dairelerde talep tarafı yönetimi ve yapay zeka uygulamaları
(Demand side management at the public institutions for Turkey and artificial intelligence solutions)
Günümüzde elektrik enerjisiyle çalışan cihazların hayatımızın her alanına girmesi ile elektrik enerjisine duyulan ihtiyaç artmıştır. Teknolojide yaşanan gelişmeler de bu ihtiyacı arttıran bir diğer sebeptir. Yapılan araştırmalar ve bilimsel çalışmalar sonucunda bu yüzyılın ikinci yarısında petrol ve doğal gaz gibi fosil yakıtların rezervlerinin tamamına yakınının tükeneceği düşünülmektedir. Bu nedenle son yirmi yıl içerisinde enerji verimliliği ve tasarrufu konusunda çok sayıda araştırma ve çalışma yapılmıştır. Bunun sonucunda enerjinin verimli bir şekilde kullanılmasının önemi daha da artmıştır. Bu çalışmaların bir diğer nedeni ise enerji fiyatlarında belirli nedenlerle oluşan istikrarsızlıkların tüketiciyi etkilemesidir. Bu amaçlarla son yıllarda tüketicinin kontrol edildiği ve yönlendirildiği Talep Tarafı Yönetimi (TTY) önemli hale gelmiştir. Bu çalışmada, bu amaçlar doğrultusunda, ülkemizdeki resmi dairelere TTY’nin uygulanmasına bir örnek olması açısından, Milli Eğitim Bakanlığı’na (MEB) bağlı bir okul ve Kırıkkale Üniversitesi Mühendislik Fakültesinde (KÜMF) bir pilot talep tarafı yönetimi uygulaması yapılmış ve hem uygulama alanlarına hem de ülkeye TTY’nin katkıları tartışılmıştır. Çalışma esnasında Matlab yazılımında Bulanık Mantık ve Yapay Sinir Ağı gibi yöntemler ile maddeler oluşturularak sonuçların iyileştirilmesi sağlanmıştır. Buna göre İncekaralar İlköğretim Okulu’nda (İİO) %33,19 ve KÜMF’nde %21,15 kadar enerji tasarrufu sağlanmıştır. Bunun maddi karşılığı olduğu ve bu şekilde birçok kurumun olduğu düşünüldüğünde, tezde TTY uygulamalarının önemi de ortaya çıkmış olmaktadır.
HAMZA KARAMAN – 2017 – Yüksek Lisans
Yapay zeka yaklaşımıyla jeofizik kuyu loglarından kömür varlığının belirlenmesi ; Manisa, Soma havzası
(Determination of coal presence with geophysical well logging by using an artificial intelligence aproximation; Manisa, Soma basin)
Son zamanlarda, Yapay Sinir Ağları (YSA) ve Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) çeşitli mühendislik dallarındaki karmaşık sorunları çözmek için yaygın olarak kullanılmaktadır. Bilinen klasik yöntemlerin aksine bu çalışmada, YSA ve ANFIS yardımıyla kömür tabakalarının varlığına yönelik tahmin çalışması yapılmıştır. Çalışmada nötron, gamma ray ve yoğunluk değerleri giriş parametresi, kömür varlığı ise çıkış parametresi olarak kullanılmıştır. Çalışmada kullanılan datalar TKİ Genel Müdürlüğü’nün İR 75153 nolu ruhsat sahasındaki kömür arama sondajlarından alınmıştır. Soma kömür havzasında mekanik olarak açılan 10 adet sondajın jeofizik kuyu logu dataları kullanılmıştır. 10 sondaj kuyusundan 6 adedi eğitim setinde 4 adedi ise test setinde kullanılmıştır. Güvenilir sonuçlar elde etmek için tüm datalar -1 ve 1 arasında normalize edilmiştir. Eğitim ve test Matlab programının YSA ve ANFIS araç kutularında değerlendirilmiştir. YSA ile yapılan çalışmada sonuçlar kuyu bazında değerlendirildiğinde bölgedeki farklı kuyulardan elde edilen jeofizik kuyu logu verileriyle, yine aynı bölgede yer alan kuyularda % 94,9 ile % 86,4 arasında değişen doğruluk oranlarında kömür varlığının tahmin edilebildiği görülmektedir. Test edilen kuyular birlikte değerlendirildiğinde de doğruluk oranı % 91,6 ya kadar yükselebilmektedir. Oluşturulan ileri beslemeli geri yayımlı YSA modelinde düğüm sayısı arttıkça tahmin hatalarının kabul edilebilir miktarlarda arttığı gözlemlenmiştir. Sonuçlardaki hata oranındaki düşüklük, kömürün çıkarılması sürecinde büyük sahalardan alınacak daha az veri ile zaman ve para tasarrufu sağlanarak kaynakların daha etkin kullanılabileceği noktasında umut vericidir.
