Tespit, sorunun yalnızca bir parçası
Su güvenliğini değerlendirmek, hem mevcut kirliliği hem de koşulların nasıl değişebileceğini anlamayı gerektiriyor. HealthFactor-AI bu görevleri anlık sınıflandırma ve ileriye dönük güvenlik eğilimi tahmini olarak iki katmanda ele alıyor.
Benim katkım
İzmir'in açık su kalitesi verisi üzerinde iki katmanlı çerçeveyi ve otomatik veri yenileme hattını tasarladım: 11 ilçedeki 76 örnekleme noktasından gelen 26.469 tekil parametre ölçümü, Ağustos 2025 ile Temmuz 2026 arasında 1.557 tarih ve konum gözleminde birleşiyor. Sağlık Faktörü özellikleri, nadir görülen güvensiz sınıfların kontrollü sentetik çoğaltılması, anlık sınıflandırıcılar (SVM, Random Forest, Decision Tree ve KNN) ve ileriye dönük eğilim modelleri üzerinde çalıştım. Dergi revizyonu için sentetik veri, makale-kod karşılaştırması ve şekil denetimlerini yazdım.
Değerlendirme ve sonuçlar
Veri ayrımı kronolojik: eğitim verisi Nisan 2026'ya, doğrulama Haziran başına kadar uzanıyor; test kümesi Haziran ve Temmuz 2026'yı kapsıyor. Her çalıştırma bir veri sızıntısı denetimi yazıyor.
Gerçek ölçümlerde güvensiz örnek neredeyse yok. Gerçek test kümesinde yalnızca “İyi” sınıfı bulunduğundan anlık katmanın test edildiği bütün Risk örnekleri sentetik. Bu nedenle skorlar, sınıflandırıcıların üretilmiş kirlilik örüntülerini ne kadar iyi ayırdığını gösteriyor; gerçek bir kirliliği ne kadar yakalayacaklarını değil. Sağlık Faktörünün düşeceğini, sabit kalacağını ya da yükseleceğini öngören ileriye dönük katman daha zor bir görev; doğrulama kümesinde Random Forest seçildi. Burada iki katman için de tek bir başlık skoru vermiyorum: sayılar, uyarılarıyla birlikte makalede yer alıyor.
Araştırma çıktısı
Çalışma, International Journal of Engineering Approaches (IJEA) tarafından kabul edilen “Two-layered Artificial Intelligence System to Assess and Forecast the Safety Level of Drinking Water Resources” başlıklı makaleyle ilişkili. Yayımlanması bekleniyor; yayın tarihi ve DOI henüz belirtilmiyor.
Sınırlamalar ve sonraki sorular
Sentetik kirlilik örüntüleri, gerçek kirlilik olaylarındaki performansı kanıtlamaz. Diğer kaynaklara genelleme, zaman içindeki veri değişimi ve kaçırılan bir kirliliğin bedeli, operasyonel kullanımdan önce gerçek güvensiz örneklerle ayrıca değerlendirilmelidir. Depo, revizyon paketini içeriyor: makaledeki her sayının arkasındaki veri, kod, model çıktıları ve denetimler.