Evaluation and modeling of streamflow data: Entropy medhod, autoregressive models with asymetric innovations and artificial neural networks
Akım verilerinin değerlendirilmesi ve modellenmesi: entropi metodu, simetrik olmayan hata terimli otoregressif modeller ve yapay sinir ağları
- Tez No: 167403
- Danışmanlar: PROF. DR. ÜNAL ŞORMAN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Entropi yöntemi, Otoregressif model, Simetrik olmayan hata terimleri, Uyarlanmış en çok olabilirlik, Yapay sinir ağı vıı, Entropy method, Autoregressive model, Asymmetric innovations, Modified maximum likelihood, Artificial neural network
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 195
Özet
oz AKIM VERİLERİNİN DEĞERLENDİRİLMESİ VE MODELLENMESI: ENTROPİ METODU, SİMETRİK OLMAYAN HATA TERİMLİ OTOREGRESSİF MODELLER VE YAPAY SİNİR AĞLARI Şarlak, Nermin Doktora, inşaat Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. A. Ünal SORMAN Haziran 2005, 171 sayfa Çalışmanın ilk kısmında, iki ayrı Entropi yöntemi farklı dağılım varsayımları altında Kızılırmak havzasında yer alan akım gözlem ağındaki istasyonları önem seviyelerine göre sıralamak için irdelenmiştir. Farklı dağılımlar için Yöntem 1 ve Yöntem 2'den istasyon sıralamaları elde edilmiştir. Böylece, dağılım tiplerinin her iki yöntem üzerindeki etkilerinin gösterilmesi amaçlanmıştır. Çalışmanın ikinci kısmında, simetrik olmayan hata terimli otoregressif modeller ve yapay sinir ağları tanıtılmıştır. Hidrolojik zaman serilerini vımodellemek için hidrolojide geliştirilen otoregressif modeller (AR) çeşitli varsayımlara dayanmaktadır. Bu çalışmada, otoregressif modellerin dayandığı başlıca varsayım olan artık serilerin normal dağıldığı varsayımı irdelenmiştir. Kurulan otoregressif modellerde bu varsayımın yapılmasının başlıca nedeni normal dağılım dışındaki dağılımlarda da model parametrelerinin bulunmasında karşılaşılan zorluklardır. Bu bakımdan, normal dağılıma uymayan artık serilere sahip otoregressif modellerin parametrelerini tahmin etmede Tiku ve diğerleri (1996) tarafından geliştirilen“uyarlanmış en çok olabilirlik”yönteminin hidroloji alanına tanıtımı amaçlanmıştır. Çarpık dağılımlara sahip otoregressif modellerin parametrelerinin nasıl tahmin edilebileceğinin gözönüne alınması da önemlidir. Otoregressif modellerin yanısıra istatistiksel dağılım ve lineer ilişki varsayımları içermeyen yapay sinir ağları modeli (YSA) de yıllık ve aylık hidrolojik zaman serileri için kurulmuştur. Dikkate alınan modeller, Kızılırmak havzasındaki beş akım gözlem istasyonları yıllık ve aylık veri setlerine uygulanmıştır. Yapay sinir ağlan modelleri sonuçları ile kıyaslandığında yıllık akım verileri için Weibull hata terimli AR(1) modeli en iyi sonucu verirken, aylık akım verileri için genel lojistik hata terimli AR(1) modeli en iyi sonucu vermiştir.
Özet (Çeviri)
ABSTRACT EVALUATION AND MODELING OF STREAMFLOW DATA: ENTROPY METHOD, AUTOREGRESSIVE MODELS WITH ASYMMETRIC INNOVATIONS AND ARTIFICIAL NEURAL NETWORKS Şarlak, Nermin Ph.Dv Department of Civil Engineering Supervisor: Prof. Dr. A. Ünal SORMAN June 2005, 171 pages In the first part of this study, two entropy methods under different distribution assumptions are examined on a network of stream gauging stations located in Kızılırmak Basin to rank the stations according to their level of importance. The stations are ranked by using two different entropy methods under different distributions. Thus, showing the effect of the distribution type on both entropy methods is aimed. IVIn the second part of this study, autoregressive models with asymmetric innovations and an artificial neural network model are introduced. Autoregressive models (AR) which have been developed in hydrology are based on several assumptions. The normality assumption for the innovations of AR models is investigated in this study. The main reason of making this assumption in the autoregressive models established is the difficulties faced in finding the model parameters under the distributions other than the normal distributions. From this point of view, introduction of the modified maximum likelihood procedure developed by Tiku et. al. (1996) in estimation of the autoregressive model parameters having non- normally distributed residual series, in the area of hydrology has been aimed. It is also important to consider how the autoregressive model parameters having skewed distributions could be estimated. Besides these autoregressive models, the artificial neural network (ANN) model was also constructed for annual and monthly hydrologic time series due to its advantages such as no statistical distribution and no linearity assumptions. The models considered are applied to annual and monthly streamflow data obtained from five streamflow gauging stations in Kızılırmak Basin. It is shown that AR(1) model with Weibull innovations provides best solutions for annual series and AR(1) model with generalized logistic innovations provides best solution for monthly as compared with the results of artificial neural network models.
Benzer Tezler
- Fırat-Dicle havzasında günlük nehir akımlarının faklı yapay zeka yöntemleri ile tahmini
Prediction of daily river flows in Firat-Dicle basin using different artificial intelligence methods
ALİ GÜNDÜZ
Yüksek Lisans
Türkçe
2011
İnşaat MühendisliğiFırat Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. EMİN EMİROĞLU
- İklim değişikliğinin İstanbul'un yüzeysel su kaynaklarına etkisi ve kuraklık dirençli bütünleşik su yönetimi
Climate change impacts on the surface water resources of Istanbul and drought resilient water management
GÖKHAN CÜCELOĞLU
Doktora
Türkçe
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İZZET ÖZTÜRK
- Calibration and evaluation of WRF-hydro modeling system for extreme runoff simulations: Use of high-resolution sea surface temperature (SST) data
Aşırı akım simülasyonları için WRF-hydro model sisteminin kalibrasyonu ve değerlendirilmesi: Yüksek çözünürlüklü deniz yüzey sıcaklığı (DYS) verilerinin kullanımı
BERİNA MİNA KILIÇARSLAN
Yüksek Lisans
İngilizce
2022
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL YÜCEL
- Tarım kaynaklı pestisitlerin SWAT ile havza ölçeğinde modellenmesi
Modeling agricultural pesticide pollution by SWAT model
FATMA NİHAN DOĞAN
Doktora
Türkçe
2022
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT EKREM KARPUZCU
- Towards improved modeling for hydrologic predictions in poorly gauged basins
Başlık çevirisi yok
KORAY KAMİL YILMAZ