Akarsulardaki katı madde miktarının yapay zeka yöntemleri ile tahmini
Estimation of the amount of sediment materials in streams using artificial intelligence methods
- Tez No: 1017899
- Danışmanlar: PROF. DR. MUSTAFA DEMİRCİ, DR. ÖĞR. ÜYESİ BESTAMİ TAŞAR
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Nehirlerdeki katı madde miktarı, kirlilik miktarı, nehir taşınımı, baraj ömrü ve diğer faktörlerin belirlenmesi açısından büyük önem taşımaktadır. Bu çalışmada, nehirdeki katı madde miktarı Çoklu Doğrusal Regresyon (MLR), Katı Madde Anahtar Eğrisi (KMAE), M5 Karar Ağacı (M5T) ve Uyarlanabilir Nöro-Bulanık Çıkarım Sistemi (ANFIS) yöntemleri kullanılarak tahmin edilmiştir. Katı madde tahmini için, 2014-2022 yılları arasındaki, ABD, Catonsville yakınlarındaki Rock Nehri üzerindeki bir istasyondan alınan akış ve yağış verileri giriş parametreleri olarak kullanılarak modeller geliştirilmiştir. Modeller hem grafiksel hem de istatistiksel analizler kullanılarak değerlendirilmiştir. Tahmin modelleri arasındaki performans karşılaştırması üç temel kriter kullanılarak yapılmıştır: korelasyon katsayısı (R), ortalama karesel hataların karekökü (KKOH) ve ortalama mutlak hata (MOH). Bu değerlendirme metriklerine dayanarak, ANFIS modeli nehirdeki katı madde miktarını tahmin etmede diğer modellere kıyasla üstün performans göstermiştir.
Özet (Çeviri)
The amount of sediment in rivers is of great importance in terms of determining pollution levels, river transport, dam lifespan, and other factors. In this study, the suspended sediment concentration was estimated using Multiple Linear Regression (MLR), Sediment Rating Curve (SRC), M5 Decision Tree (M5T) and Adaptive Neuro-Fuzzy Inference System (ANFIS) methods. For sediment estimation, flow and precipitation data from 2014 to 2022 were used as input parameters from a station on the Rock River near Catonsville, USA, to develop models. The models were evaluated using both graphical and statistical analyses. The performance comparison between the prediction models was conducted using three key criteria: correlation coefficient (R), root mean square error (RMSE), and mean absolute error (MAE). Based on these evaluation metrics, the ANFIS model demonstrated superior performance compared to other models in predicting the amount of suspended sediment in the river.
Benzer Tezler
- Ege bölgesi doğal akarsularında katı madde taşınımı için ampirik, regresyon ve yapay zeka yöntemlerinin uygulanması
Application of empirical, regression and artificial intelligence methods for the sediment transport in natural streams of the Aegean region
ASLI ÜLKE
Doktora
Türkçe
2010
Dokuz Eylül ÜniversitesiHidrolik Hidroloji ve Su Kaynakları Ana Bilim Dalı
Yükleniyor...
- Sacramento nehrindeki askı maddesi miktarının bulanık mantık ile modellemesi
Modelling of suspended sediment in Sacramento river using fuzzy logic
AHMET BALTACI
- Devrek ve Devrekani çaylarında taşınan sediment miktarının yapay zeka metotlarıyla tahmini
The prediction of the sediment amount in Devrek and Devrakani rivers by artificial intelligence methods
ABDURRAHMAN AĞTAŞ
- Doğal akarsularda taşınan katı madde miktarının yapay zeka yöntemleri kullanılarak tahmin edilmesi
Estimation of suspended sediment amounts carried in natural streams by using artificial intelligence methods
NECMİYE MİNARECİOĞLU