Karışık endüstriyel atıksu karakterizasyonunun zamansal değişiminin belirlenmesi ve kirleticilerin istatistiksel değerlendirilmesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Çevre Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: Yasemin Çelik

Asıl Danışman (Eş Danışmanlı Tezler İçin): Serdar Aydın

Eş Danışman: Elif Tüzün

Özet:

Bu tez çalışmasında, Organize Sanayi Bölgeleri (OSB) bünyesinde oluşan karışık endüstriyel atıksuların zamansal ve çok değişkenli yapısı, çok yıllı izleme verileri kullanılarak analiz edilmiştir. Farklı sektörlerden kaynaklanan deşarjların ortak altyapı sistemlerinde birleşmesi sonucunda; KOİ, AKM, yağ-gres, besin elementleri, ağır metaller, renk ve pH gibi parametrelerin yüksek değişkenlik, doğrusal olmayan ilişkiler ve belirgin zamansal dalgalanmalar sergilediği belirlenmiştir. Çalışmada öncelikle tanımlayıcı istatistikler ile veri setinin dağılım özellikleri ve aykırı değer yapısı ortaya konulmuş; ardından Pearson, Spearman ve Kendall korelasyon analizleri ile parametreler arasındaki temel ilişkiler değerlendirilmiştir. Bu analizler, karışık endüstriyel atıksuların yalnızca klasik istatistiksel yöntemlerle tam olarak temsil edilemediğini göstermiştir. Bu kapsamda, çalışmanın ana bulguları Random Forest makine öğrenmesi modeli kullanılarak elde edilmiştir. Model, doğrusal olmayan ilişkileri ve çok değişkenli etkileşimleri başarıyla yakalayarak, atıksu karakterinin tahmininde yüksek doğruluk sağlamıştır. Random Forest'ın sağladığı değişken önem analizi, bazı parametrelerin (özellikle organik yük ve askıda katı madde ile ilişkili göstergelerin) atıksu karakteri üzerinde baskın rol oynadığını açık biçimde ortaya koymuş; böylece modelin yalnızca tahmin gücü değil, açıklanabilirliği de güçlendirilmiştir. Elde edilen sonuçlar, çevresel risklerin tekil parametre aşımlarından ziyade parametrelerin birlikte oluşturduğu etkileşimli yapı ile ilişkili olduğunu göstermektedir. Bu tez, istatistiksel analizler ile Random Forest gibi açıklanabilir makine öğrenmesi modellerinin birlikte kullanılmasının, farklı endüstri türlerinden kaynaklanan karışık atıksuların değişken yapısının anlaşılmasına katkı sağlayarak, sürdürülebilir endüstriyel su yönetimi politikalarının geliştirilmesine destek olmayı amaçlamaktadır.