Birliktelik kuralları ile Van Gölü için mekânsal-zamansal veri madenciliği

Abstract

İnsanlar, tarih boyunca geçmişe dayalı tecrübelerini kullanarak geleceğe yönelik tahminler ve çıkarımlar yapmışlardır. Gelişen bilgi teknolojileri ve Veri Tabanı Yönetim Sistemlerindeki (VTYS) yenilikler geçmişte kayıt altına alınan verilerden stratejik karar için yararlı bilgiyi çıkarmayı mümkün kılmaktadır. Bu sebeple farklı yöntemler geliştirilmiştir. Bu yöntemlerden birisi de birliktelik kuralları ile veri madenciliği yöntemidir. Bu yöntemin alt bir algoritması olan Apriori algoritması (Agrawal and Srikant 1994), zaman ve mekâna bağlı olarak değişen veri kümelerinde çok fazla kullanılmamaktadır. Ancak bu algoritmayı, verilerin klasik özelliklerine zaman ve konum özelliklerini de ekleyerek zaman ve mekâna bağlı birliktelik kuralları öğrenen bir veri madenciliği tekniği haline getirmek mümkündür. Türkiye'nin en büyük gölü olan Van Gölü, kapalı bir havzadır. Bu özelliği ile dışarıdan su alarak taşma veya göldeki mevcut suyun kullanımı ile hacminde azalma olabilmektedir. Bu çalışmada Van Gölü ile ilgili geçmiş yıllarda kayıt altına alınmış göl seviyesi, göle düşen yağış, göl yüzeyindeki buharlaşma gibi verileri Apriori ile incelenmiş ve Mekânsal-Zamansal bir veri madenciliği uygulaması gerçekleştirilmiştir. Bu uygulama ile Van Gölü'nün kıyı kesimlerinde meydana gelen taşmalar ve oluşan yeni kıyı arazileri tespit edilmeye çalışılmıştır. Böylece Van Gölü'nün kıyı kesimlerinde alınması gereken önlemler ve yapılması öngörülen yatırımlar belirtilmek istenmiştir.

People, throughout the history, have made estimates and inferences about the future by using their past experiences. Developing information technologies and the improvements in the database management systems make it possible to extract useful information from knowledge in hand for the strategic decisions. Therefore, different methods have been developed. Data mining by association rule learning is one of such methods. Apriori algorithm (Agrawal and Srikant 1994), one of the well-known association rule learning algorithms, is not commonly used in spatio-temporal data sets. However, it is possible to embed time and space features into the data sets and make Apriori algorithm a suitable data mining technique for learning spatio-temporal association rules. Lake Van, the largest lake of Turkey, is a closed basin. This feature causes the volume of the lake to increase or decrease as a result of change in water amount it holds. In this study, evaporation, moisture, water height, fall and temperature parameters recorded in Lake Van region throughout the years are used by the Apriori algorithm and a spatio-temporal data mining application is developed to identify water-overflows and newly-formed soil regions occurring in the coastal parts of Lake Van. Identifying water-overflows and and newly-formed soil regions may alert the experts to take precautions and make the necessary investments.