Yapay sinir ağları ve Monte Carlo benzeşimi ile Mersin Limanı'nın yük trafiği ve gelir tahmini
Estimation of load traffic and income in Mersin Port by artificial neural networks and Monte Carlo simulation
- Tez No: 196393
- Danışmanlar: DOÇ. DR. CAN BALAS
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Yapay Sinir Ağları, Monte Carlo, Fizibilite Etüdü, Mersin Limanı Yük Trafiği, Artificial intelligence, Monte Carlo Simulation, Feasibility Studies, Traffic of Mersin PortPage Number : 124Adviser : Assoc. Prof. Dr. Can Elmar BALAS
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, limanların fizibilite etüdü için yeni ve kapsamlı birekonomik analiz modeli olarak geliştirilen L MF Z'in; 36o46'20'' kuzey36o39'00''enlem, doğu boylamında yer alan Mersin Limanı'nauygulaması gerçekleştirilmiştir. L MF Z Yapay Sinir Ağları, Monte CarloBenzeşimi ve Kuyruk Teorisi olmak üzere birbiriyle ilişkili üç altmodelden oluşmaktadır. Limanın yük trafiği yapay sinir ağları alt modeliile tahmin edilmiştir. Özelleştirme ihalesi yapılmış ve 775 milyonAmerikan Doları bedelle 36 yıllığına işletme hakkı devredilmiş olanlimanın yükleme ve boşaltma işlemlerinden elde edilmesi beklenilenyıllık gelir bulunmuştur. Çalışmada Mersin Limanı ve çevresinin geneldurumu incelenmiş, limanın hinterlandı hakkında bilgiler sunulmuştur.Limanın geçmişe dönük yük bilgileri, gayri safi milli hasıla ve nüfusverileri değerlendirilmiştir. Mersin Limanı için uzun dönem dalgaistatistiği sonucunda limanın çalışamadığı gün sayısı belirlenmiştir.leri beslemeli yapay sinir ağları ( BYSA) yardımıyla Mersin Limanının2030 yılına kadar oluşacak yük hacmi tahmini yapılmış ve kapasitekullanımı belirlenmiştir. Bu amaçla Monte Carlo ve BYSA yöntemlerinikullanan yeni bir model geliştirilmiştir. Monte Carlo metodu ile çoksayıda tekrar edilen benzeşimler yolu ile finanssal değişkenlere çeşitliolasılık dağılımlarından rastsal olarak değerler atanmış ve işletmenin2yükleme boşaltma etkinlikleri için olasılık dağılımlarından rastsal gelirtahminleri yapılmıştır. Limanın işletilmesi sırasında, birçok değişkeninher birinin 30 000 deneme sonucunda oluşturacağı frekansdağılımlarından elde edilen sonuçlar limandan beklenilen gelirintespitinde kullanılmış ve yıllık beklenen gelir hesaplanmıştır.Bilim Kodu : 624.02.03
Özet (Çeviri)
The new feasibility analysis model L MF Z developed for coastalprojects consists of three interrelated sub-models: 1) Artificial NeuralNetwork (ANN) to determine the rates and capacity of cargo byconsidering the economical development of hinterland 2) Queuingmodel to determine the waiting to service time and the berth occupancyratios by waiting time modeling of ships using discrete queuingsimulation 3) Importance Sampling Monte Carlo (ISMC) to simulate shiparrivals/departures from the quays and to estimate income/expenditureparameters of the coastal project. In this work as a case study, theproposed model was applied to the Mersin Port in Turkey and the futureloading/unloading cargo rates of piers were predicted by ANN?s. Theload traffic of Mersin Port, which is placed on 36o46?20?? north latitude,and 36o39?00?? east longitude, was estimated by using artificial neuralnetworks. The harbour?s management rights were transferred byprivatization for 36 years for a price 775 million dollars. The annualrevenue expected from the loading-unloading operations wasdetermined. Mersin Port and its surroundings were examined, and alsoinformation about its hinterland was presented. Historical load data,gross national product, population data of harbour were utilized. The2number of days for which Mersin Port is out of work were estimated bylong term wave statistical analysis. Load volume of Mersin Port up tothe year of 2030 was predicted by feed forward artificial neuralnetworks (FFANN). Capacity rate of Mersin port was also calculatedwith that estimated loads. A new model that uses both FFANN andMonte Carlo simulations was developed. Using Monte Carlo method, bymultiple recurring similarities, arbitrary values from probabilitydistributions were appointed to financial variables and then the randomincome estimations were made from probability distributions ofloading-unloading activity of the management. During management ofthe port, results obtain from frequency distribution of 30 000 tests of allvariables were used to confirm the expected income of port and theexpected annual income was calculated.Science Code : 624.02.03
Benzer Tezler
- Reliability-based optimization of river bridges using artificial intelligence techniques
Akarsu köprülerinin yapay zeka tekniklerini kullanarak güvenilirlik temelli optimizasyonu
KAMİL HAKAN TURAN
Doktora
İngilizce
2011
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. A. MELİH YANMAZ
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Erken deri kanseri tanısı için,işlevsel örselemesiz optik görüntüleme ile doku hemoglobin derişimi ve oksijen doyumunun kestirilmesi.
The estimation of tissue hemoglobin concentration and oxygen saturation by functional non-invasive optical imaging for early skin cancer diagnosis.
MAHMUT OZAN GÖKKAN
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ENGİN
- Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit Bayes yapay sinir ağları
Hybrid Bayesian neural networks with genetic algorithms and fuzzy membership functions
OZAN KOCADAĞLI
Doktora
Türkçe
2012
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NALAN CİNEMRE
- Hybrid bayesian neural networks with genetic algorithms and fuzzy membership functions
Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit bayes yapay sinir ağları
OZAN KOCADAĞLI
Doktora
İngilizce
2012
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NALAN CİNEMRE