Ervural, Beyzanur ÇayırÖzfidan, Zeynep İrem2026-08-112026-08-1120262026Özfidan, Z. İ. (2026). Yeşil havalimanı uygulamaları: İki aşamalı karbon emisyon tahmin modeli. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı, Konya.https://hdl.handle.net/20.500.12452/20257Hava taşımacılığı, birçok ulaşım türünden daha hızlı büyümekte ve gelişmektedir. Bu yüzden küresel emisyon artışında kritik bir paya sahiptir. Bu çalışmada Türkiye'nin havacılık kapasitesi açısından stratejik öneme sahip üç merkezi olan Sabiha Gökçen, Esenboğa ve Konya havalimanlarındaki uçakların iniş ve kalkış sırasında salınan CO₂ miktarının gelecek dönem projeksiyonu incelenmiştir. Kullanılan veriler 2014-2023 dönemini kapsayan 120 aylık veri setinden oluşmaktadır. Bu çalışmada, çok aşamalı bir karar destek modeli önerilmiştir. İlk olarak, uzman görüşlerine dayalı olarak Analitik Hiyerarşi Prosesi (AHP) yöntemi kullanılarak emisyonları etkileyen temel faktörler belirlenmiştir. En önemli üç faktörün LTO, yakıt tüketimi ve yük trafiği olduğu tespit edilmiştir. Daha sonra, her bir uçuş için emisyon değerleri Tier II yöntemi kullanılarak hesaplanmıştır. Hesaplanan bu emisyon verileri kullanılarak bir tahmin modeli geliştirilmiştir. Operasyonel değişkenlerin tahmini için Otoregresif Entegre Hareketli Ortalama (ARIMA), Üstel Düzleştirme (ETS) ve Mevsimsel Otoregresif Entegre Hareketli Ortalama (SARIMA) zaman serisi yöntemleri uygulanmış, model performansları karşılaştırılarak en uygun yöntem belirlenmiştir. Son tahmin aşamasında, makine öğrenimi tabanlı DVR (Destek Vektör Regresyonu), En Küçük Kareler Güçlendirme (Least Squares Boosting-LSBoost) ve Rastgele Orman (Random Forest-RF) yöntemleri kullanılmıştır. Bu tahmin yöntemlerinin performansları karşılaştırılarak, en düşük hata değerini veren modeller belirlenmiştir. En düşük hataya sahip olan model Sabiha Gökçen için %1,24 Ortalama Mutlak Yüzde Hata (Mean Absolute Percentage Error-MAPE) ve Konya için %0,78 MAPE değeri ile LSBoost modeli seçilirken Esenboğa Havalimanı için DVR modeli %2,99 MAPE değeri ile en düşük hataya sahip olan model olarak belirlenmiştir. Çalışmanın farklı koşullar altındaki davranışını gözlemlemek için, iyimser ve kötümser senaryolar altında değerlendirmeler yapılmıştır. İyimser senaryoda çevre politikaları kapsamında elde edilen karbon tasarrufu, kötümser senaryolardaki sonuçlarla karşılaştırılmıştır. Çok Amaçlı Optimizasyon Oran Analizi (Multi-Objective Optimization on the basis of Ratio Analysis- MOORA) tabanlı uçak tipi analizleri sonucunda daha çevreci uçak tipi kullanımının Konya Havalimanı için aylık yaklaşık 0,1-0,25 milyon kg CO2 emisyon azaltımı sağlayabileceği gözlemlenirken, Sabiha Gökçen Havalimanı'nda bu değerin aylık yaklaşık 3-6 milyon kg CO2 seviyesine ulaşabileceği belirlenmiştir. Elde edilen sonuçların, bu alandaki araştırmacılar ve politika yapıcılar için yol gösterici olması beklenmektedir.Air transportation is growing and developing more rapidly than many other modes of transportation. Therefore, it has a critical share in the increase of global emissions. In this study, the future projection of the amount of CO₂ emissions released during the landing and take-off phases of aircraft at Sabiha Gökçen, Esenboğa, and Konya airports, which are three strategically important hubs in terms of Türkiye's aviation capacity, was examined. The data used in the study consist of a 120-month dataset covering the 2014–2023 period. In this study, a multi-stage decision support model was proposed. First, the main factors affecting emissions were determined using the Analytic Hierarchy Process (AHP) method based on expert opinions. It was determined that the three most important factors were LTO, fuel consumption, and cargo traffic. Subsequently, emission values for each flight were calculated using the Tier II methodology. A prediction model was then developed using these calculated emission data. For the prediction of operational variables, time series methods including Autoregressive Integrated Moving Average (ARIMA), Exponential Smoothing (ETS), and Seasonal Autoregressive Integrated Moving Average (SARIMA) were applied, and the most suitable method was determined by comparing model performances. In the final prediction stage, machine learning-based methods including Support Vector Regression (SVR), Least Squares Boosting (LSBoost), and Random Forest (RF) were used. The performances of these prediction methods were compared, and the models with the lowest error values were identified. The model with the lowest error was determined as the LSBoost model with a Mean Absolute Percentage Error (MAPE) value of 1.24% for Sabiha Gökçen and 0.78% for Konya, whereas the SVR model was observed to have the lowest error for Esenboğa Airport with a MAPE value of 2.99%. In order to observe the behavior of the study under different conditions, evaluations were conducted under optimistic and pessimistic scenarios. In the optimistic scenario, the carbon savings achieved within the scope of environmental policies were compared with the results obtained under pessimistic scenarios. As a result of aircraft type analyses based on the Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) method, it was observed that the use of more environmentally friendly aircraft types could provide an approximate monthly CO₂ emission reduction of 0.1-0.25 million kg for Konya Airport, while this value could reach approximately 3-6 million kg per month at Sabiha Gökçen Airport. The obtained results are expected to serve as a guiding resource for researchers and policy makers in this field.trinfo:eu-repo/semantics/openAccessAHPDestek Vektör Regresyonu (DVR)Emisyon Tahminiİniş-Kalkış (LTO) DöngüsüKarbon EmisyonuLSBoostMOORARastgele Orman (RF).Support Vector Regression (SVR)Emission PredictionLanding and Take-Off (LTO) CycleCarbon EmissionRandom Forest (RF).Master Thesis1015895