Geri Dön

Genelleştirilmiş regresyon yapay sinir ağının su kaynakları mühendisliğinde kullanımı

The use of generalized regression neural network in water resources engineering

  1. Tez No: 172160
  2. Yazar: ALTUĞ SÜREL
  3. Danışmanlar: DOÇ.DR. KEREM CIĞIZOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Bu çalışmada yeni bir yapay sinir ağı metodu olan Genelleştirilmiş Regresyon Yapay Sinir Ağı'nın, ulusal ve uluslararası toplam 6 havza genelinde günlük sürekli akım, kurak devreli günlük akım, aylık akım, yeraltı suyu, günlük yağış-akış ve günlük akım-askı malzemesi verisine uygulaması yapılmıştır. Çalışma sonuçlan, geleneksel yapay sinir ağı metodları olan ileri Beslemeli Geriye Yayılım Sinir Ağı ve Radyal Tabanlı Yapay Sinir Ağı ile karşılaştırılmıştır. Performans karşılaştırma kriterleri olarak, test süresi için elde edilen verinin ortalama kare hatası ve determinasyon katsayısı değerleri kullanılmıştır. Genelleştirilmiş Regresyon Yapay Sinir Ağı metodu genel olarak başarılı tahmin sonuçları vermiş ve diğer iki yapay sinir ağı metoduna kıyasla bazen daha iyi performans değerlendirme kriter değerlerine ulaşmıştır. Sonuç olarak, yapılan çalışmada GRYSA, standart İBGYSA ve RTYSA metodlarına güvenilir bir alternatif metod olduğunu göstermiştir. xiii

Özet (Çeviri)

THE USE OF GENERALIZED REGRESSION NEURAL NETWORK IN WATER RESOURCES ENGINEERING SUMMARY In this study, Generalized Regression Neural Network, which is a new artificial neural network method, is applied to daily continuous river flow series, daily intermittent river flow series, monthly river flow series, ground water level series, daily rainfall and daily river flow series, and daily river flow and daily suspended sediment data of 6 national and international hydrologic regions. Estimation results are compared with the Feed Forward Back Propagation and Radial Basis Functions which are conventional artificial neural network methods. Mean squared error and coefficient of determination are used as the performance comparison criteria. Generalized Regression Neural Network method, generally provided successful estimation results and sometimes reached better performance evaluation criteria values when compared to the other two artificial neural network methods. In conclusion, this study showed GRNN to be a reliable alternative to the standard FFBP and RBF. XIV

Benzer Tezler

  1. Tez No

    223904

    Değişik yapay sinir ağı metotlarının su kaynakları verisinin uzun zaman aralıklı tahminlerinde kullanımı

    The use of different artificial neural network methods in long range forecasting of the water resources data

    ERDEM ASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HİKMET KEREM CIĞIZOĞLU

  2. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. Tez No

    246051

    Öngerilmeli betondan boşluklu verev plak köprülerin yapay sinir ağları ile analizi

    Analysis of voided skewed slab bridges designed with prestressed concrete using by artificial neural networks

    SAVAŞ BAYRAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Bölümü

    YRD. DOÇ. DR. YAŞAR UĞUR

  4. Tez No

    143091

    Akarsulardaki askı maddesi miktarının kara kutu modeliyle belirlenmesi

    Determination of rivers' suspended sediment load by black box model

    MURAT ALP

    Doktora

    Türkçe

    Türkçe

    2003

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KEREM CIĞIZOĞLU

  5. Tez No

    154461

    Medikal teşhiste GRNN kullanımı ve devre bloklarının tasarımı

    GRNN usage for medical diagnosis and design circuit blocks

    REVNA ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜLAY YILDIRIM

Geri Dön