Yeraltı suyu seviyelerinin çoklu model yaklaşımlarıyla tahmini ve trend analizi: ARIMAX, VAR, makine öğrenmesi ve shap tabanlı açıklanabilirlik analizi
Groundwater level prediction and trend analysis using multi-model approaches: ARIMAX, VAR, machine learning, and shap-based explainability
- Tez No: 1017470
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP ÖZGE TERZİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erzincan Binali Yıldırım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Erzincan ili Brastik (Çatalören) yeraltısuyu gözlem kuyusunda 1987–2022 dönemine ait yeraltı suyu seviyesi (YSS) dinamiklerini nicel olarak inceleyerek kısa ve orta vadeli tahminlerle en uygun istatistiksel ve makine öğrenmesi yaklaşımlarını belirlemeyi, uzun dönemli trend davranışlarını ortaya koymayı amaçlamaktadır. Çok değişkenli doğrusal regresyon analizinde YSS(t–1) katsayısının 0.611 ve istatistiksel olarak ileri düzeyde anlamlı bulunması, akifer sisteminin güçlü bir zamansal hafızaya sahip ve geçmiş seviye koşullarının mevcut YSS üzerinde belirleyici olduğunu göstermiştir. Zaman serisi tabanlı öngörü performanslarının karşılaştırılmasında ARIMAX ve Vector Autoregression (VAR) modelleri değerlendirilmiş; ARIMAX modeli daha düşük hata değerleri ve daha yüksek açıklama gücü ile VAR modeline kıyasla üstün performans sergilemiştir. Izgara arama ile optimize edilen makine öğrenmesi modellerinde Rastgele Orman (RF) ve Destek Vektör Makineleri (SVM) benzer ve yüksek doğrulukta sonuçlar üretmiştir. SHAP tabanlı açıklanabilir yapay zekâ analizi, RF model kararlarının büyük ölçüde YSS(t–1) ve gecikmeli sıcaklık değişkenleri tarafından yönlendirildiğini, nem, akım ve yağış bileşenlerinin ise görece sınırlı katkı sunduğunu göstermiştir. Yenilikçi Poligon Trend Analizi (IPTA) ve Sıralı Mann-Kendall Testi (SQMK) sonuçları, YSS serisinde belirgin mevsimsel farklılaşma bulunduğunu ve 2010 sonrası dönemde düşüş eğilimlerinin şiddetlendiğini ortaya koymuştur.
Özet (Çeviri)
This study aims to quantitatively investigate the groundwater level (GWL) dynamics in the Brastik (Çatalören) groundwater observation well in Erzincan province during the period 1987–2022, to determine the most suitable statistical and machine learning approaches with short and medium-term predictions, and to reveal long-term trend behaviors.The fact that the YSS(t–1) coefficient was found to be 0.611 and statistically highly significant in the multivariate linear regression analysis showed that the aquifer system has a strong temporal memory and that past level conditions are decisive on the current YSS. In comparing the time series-based forecasting performance, ARIMAX and Vector Autoregression (VAR) models were evaluated; the ARIMAX model demonstrated superior performance compared to the VAR model with lower error values and higher explanatory power. In machine learning models optimized with grid search, Random Forest (RF) and Support Vector Machines (SVM) have produced similar and highly accurate results. SHAP-based explanatory AI analysis has shown that RF model decisions are largely driven by YSS(t–1) and lagged temperature variables, while humidity, current, and precipitation components contribute relatively limitedly. The Innovative Polygon Trend Analysis (IPTA) and Sequential Mann-Kendall Test (SQMK) results revealed significant seasonal differentiation in the YSS series and that downward trends intensified in the post-2010 period.
Benzer Tezler
- Yeraltı suyu seviye değişiminin bulanık mantık ve destek vektör makineleri yöntemleri ile tahmini
Estimation of groundwater level fluctuation using adaptive neural fuzzy and support vector machines
SELÇUK KÖRLÜ
Yüksek Lisans
Türkçe
2019
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA DEMİRCİ
PROF. DR. FATİH ÜNEŞ
- Serbest akiferlerdeki yeraltı su seviyeleri ile meteorolojik veriler arasındaki ilişkinin yapay sinir ağları ile belirlenmesi
Investigation of relationship between groundwater level and meteorological variables with the artificial neural network at unconfined aquifers
ORKUN KARABORAN
Yüksek Lisans
Türkçe
2013
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇOBANER
- Exploring the biodiversity patterns of Anatolia under changing climatic conditions
Değişen iklimsel koşullar altında Anadolu'nun biyoçeşitlilik örüntülerinin araştırılması
BATUHAN ATIF TUNÇ
Yüksek Lisans
İngilizce
2025
Biyolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH ÇORAMAN
- Late quaternary paleoclimate and paleoenvironment changes in urmia lake, nw Iran
Urmiye gölü, kb iran geç kuvaterner paleoiklim ve paleoortam değişimleri
GÜLGÜN ERTUNÇ
Doktora
İngilizce
2025
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. TAHSİN ATTİLA ÇİNER
- Develi ovası (Kayseri) yeraltı sularının kirlenmeye karşı hassasiyetinin drastic yöntemi ile belirlenmesi
Determination of Develi plain (Kayseri) groundwater susceptibility to pollution by drastic method
ŞEYMA AYKUTLU
Yüksek Lisans
Türkçe
2026
Çevre MühendisliğiErciyes ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ DADAŞER ÇELİK