Bulanık Regresyon Fonksiyonları ile Kıyı Erozyon Riskinin Modellenmesi: Afet ve Kıyı Gayrimenkulleri Bağlamında Bir Çerçeve

Öz

Bu çalışma, kıyı erozyon riskinin modellenmesinde bulanık regresyon fonksiyonları ve bulanık C-ortalamalar (FCM) kümeleme yönteminin entegrasyonunun kullanılmasını önermektedir. Literatürde kıyı erozyon riskinde rol oynadığı belirtilen dalga yüksekliği, rüzgâr hızı, kıyı eğimi, zemin türü ve koruyucu yapı gibi çevresel değişkenler kullanılarak oluşturulan sentetik veriler bulanık kümelere ayrılmış ve her küme için ağırlıklı regresyon modelleri oluşturulmuştur. Bu modellerden elde edilen tahminler, üyelik derecelerine göre birleştirilerek nihai erozyon risk tahminleri elde edilmiştir. Modelin performansı Ortalama Mutlak Hata (MAE) ve Kök Ortalama Kare Hatası (RMSE) metrikleri ile değerlendirilmiş ve düşük hata değerleri, yöntemin erozyon riskini belirsizlik koşulları altında etkin şekilde tahmin edebildiğini göstermiştir. Çalışma, kıyı erozyon riski gibi çok boyutlu ve belirsizlikler içeren bir çevre probleminin modellenmesinde ve risk değerlendirmesinde kullanılabilecek esnek ve yorumlanabilir bir yaklaşım sunmaktadır. Ayrıca kıyı erozyonunun afet niteliği taşıyan sonuçları ile kıyı şeridinde yer alan gayrimenkullerin değer kaybı, yapısal hasar ve kullanım kaybı riskleri dikkate alınarak, model çıktılarının afet yönetimi, gayrimenkul değerleme ve kıyı planlaması süreçlerine katkı sağlayabilecek nitelikte olması çalışmanın önemini arttırmaktadır.

Anahtar Kelimeler

• Bulanık K-Ortalama Kümeleme
• Bulanık Regresyon Fonksiyonları
• Kıyı Gayrimenkulleri
• Kıyı Erozyon Riski

Modeling Coastal Erosion Risk with Fuzzy Regression Functions: A Framework in the Context of Disasters and Coastal Real Estate

Abstract

This study introduces an integrated framework that combines fuzzy regression functions with the Fuzzy C-Means (FCM) clustering method for modeling coastal erosion risk. A synthetic dataset was generated using key environmental variables frequently highlighted in the literature as drivers of erosion processes, including wave height, wind speed, coastal slope, soil type, and the presence of protective structures. The dataset was partitioned into fuzzy clusters, and weighted regression models were subsequently developed for each cluster. Model predictions were aggregated based on cluster membership degrees to obtain the final erosion risk estimates. Model performance was assessed using Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) metrics, with the relatively low error values demonstrating the method’s ability to predict erosion risk effectively under conditions of uncertainty. The findings suggest that the proposed approach provides a flexible and interpretable framework that can support both the modeling and risk assessment of complex environmental phenomena, particularly those characterized by multidimensional interactions and inherent uncertainties, such as coastal erosion. Furthermore, by considering the disaster related consequences of coastal erosion together with the risks of real estate value depreciation, structural damage, and loss of usability in coastal real estates, the study highlights that the model outputs can contribute significantly to disaster management, real estate valuation, and coastal planning processes, thereby enhancing the overall importance of the research.

Keywords

• Coastal Erosion Risk
• Coastal Real Estates
• Fuzzy C-Mean Clustering
• Fuzzy Regression Functions

Kaynakça

1. Akash, H. S., Sarkar, K. S., Bindajam, A. A., Kumari, R., Talukdar, S., & Mallick, J. (2023). Assessment of coastal vulnerability using integrated fuzzy analytical hierarchy process and geospatial technology for effective coastal management. Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-023-28317-y
2. Başer, F. (2013). Aktüeryal omdellemede bulanık destek vektör makineleri. Doktora Tezi Fen Bilimleri Ensitüsü, Ankara Üniversitesi
3. Başer, F., Koç, O., & Kestel, A.S.S. (2023). Credit risk evaluation using clustering based fuzzy Classification Method. Expert Systems With Applications, 223, 119882. https://doi.org/10.1016/j.eswa.2023.119882
4. Bezdek, J. C. (1981). Objective function clustering in pattern recognition with fuzzy objective function algorithms (pp. 43–93). Springer, Boston, MA.
5. Celikyılmaz, A., & Türksen, I. B. (2009). Modeling uncertainty with fuzzy logic: with recent theory and applications. Springer-Verlag, Berlin Heidelberg. pp 1-147
6. Edinsel, E. H. (2023). Bulanık regresyon fonksiyonları yöntemi ile konut kredisi riski modellemesi, Yüksek Lisans Tezi, Fen Bilimleri Enstitüsü, Ankara Üniversitesi
7. El-Mahdy, M. M., Farid, H. A., Wahab, M. A., El-Berry, A. M., & El-Kafrawy, S. B. (2022). Coastal erosion risk assessment and applied mitigation measures at the Egyptian Northern Coast. Ocean & Coastal Management, 228, 106312. https://doi.org/ DOI:10.1016/j.asej.2021.10.016
8. Fitton, J. M., Hansom, J. D., & Rennie, A. F. (2017). A method for modelling coastal erosion risk: The example of Scotland. Natural Hazards, 88(1), 61–91. https://doi.org/10.1007/s11069017-3164-0

9. Jin, D., Donna, P., Au, D. & Wiu, J. (2015). Shoreline change, seawalls, and coastal property values. Ocean&Coastal Management Volume 114, September 2015, 185-193.
10. Kupilik, M., Witmer, F., Macleoad, E. A., Wang, C., & Rawens, T. (2018). Gaussian Process Regression for Arctic Coastal Erosion Forecasting. IEEE International Geoscience and Remote Sensing Symposium (IGARSS) IEEE, 1-9 https://doi.org/10.1109/TGRS.2018.2865429
11. Lim, C., Kim, T. K., Lee, S., Yeon, Y. J., & Lee, J. L. (2021). Assessment of potential beach erosion risk and impact of coastal zone development: A case study on Bongpo–Cheonjin Beach. Natural Hazards and Earth System Sciences, 21, 3827–3842. https://doi.org/10.5194/nhess-21-3827-2021
12. Mentaschi, L., Vousdoukas, M. I., Pekel, J. F., Voukouvalas, E. & Feyen, L. (2018). Global long-term observations of coastal erosion and accreation, Scientific Reports, https://doi.org/10.1038/s41598-018-30904-w
13. Pussella, P. H. G. D., & Gunarathna, M. H. J. P. (2022). Assessment of coastal erosion using DSAS and GIS: A case study from the southern coast of Sri Lanka. Environmental Challenges, 7, 100502. https://doi.org/10.35841/2167-0587.22.12.258
14. Su, Y., Wang, C., Guo, Y., Yang, J. & Du, J. (2022). Coastal erosion risk assessment of Hainan Island, China. Acta Oceanologica Sinica, 42(7), 1-12. https://doi.org/10.1007/s13131-022-2122-1
15. URL1, https://www.neefusa.org/nature/land/wheres-beach. (Son erişim tarihi: 09.10.2025)
16. URL2, https://veribilimcisi.wordpress.com/2017/07/14/mse-rmse-mae-metrikleri-nedir/ (Son erişim tarihi: 09.10.2025)
17. Ülger, M., & Tanrıvermiş, Y. (2024). Modeling the effect of shoreline change on real estate value. Ocean & Coastal Management, 256, 107277. https://doi.org/10.1016/j.ocecoaman.2024.107277