Karadeniz bölgesindeki yağış-akış ilişkisinin farklı yapay sinir ağları metotlarıyla belirlenmesi
Rainfall-runoff modelling using a different annual neural networks approach for Black Sea catchments
- Tez No: 222624
- Danışmanlar: DOÇ.DR. H. KEREM CIĞIZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
- Sayfa Sayısı: 98
Özet
Su kaynaklarının degerlendirilmesinde günlük veya aylık ortalama akımların bilinmesi çok önemlidir. Ancak akarsuların çogunda akım ölçüm agı ya yoktur ya da çok zayıftır. Bu sebeple akım ölçümü olmayan veya eksik olan akarsu havzalarında ortalama akımların tahmini için pek çok çalısma yapılmıs ve yapılmaktadır. Bir akarsudaki akım havzadaki yagıs, sıcaklık, nem gibi birçok parametreye baglı olmakla birlikte yagıs olayının görülmesi ile akımın olusması arasında belli bir gecikme vardır. Akım tahminlerini yaparken bu gecikmeden yararlanılır. Bu çalısmada, ileri beslemeli geriye yayınım sinir agı (BGYSA), radyal tabanlı fonksiyonlara dayalı sinir agı (RTYSA) ve genellestirilmis regresyon sinir agı (GRSA) olmak üzere üç yapay sinir agı (YSA) metodu ve klasik yöntemlerden olan Çok Degiskenli Regresyon (ÇDR) metodu ile yagıs, sıcaklık, geçmis akım degerleri kullanılarak, akım tahminleri yapılmıstır. Elde edilen sonuçlar regresyon analizi sonuçları ile karsılastırılmıs ve daha basarılı bulunmustur. Ekstrapolasyon yapılması gerektiginde tercih edilmesi gereken YSA metotlarının daha ziyade BGYSA ve RTYSA oldugu görülmüstür. Buna karsın bu iki metot bazı durumlarda düsük akım degerleri için negatif tahminler verebilmekte, GRYSA kullanıldıgında ise bu sorunla karsılasılmamaktadır.
Özet (Çeviri)
It is important to reach daily or monthly flows in water resources assessment; however, flow observation network is mostly unavailable or inadequate for rivers. Hence, many studies have been performed to estimate mean flows for inadequate or ungauged basins. River flows depend on many variables such as precipitation, temperature, moisture and there is a lag time between precipitation and flow. This lag time is used to estimate flows. In this study, precipitation, temperature, moisture and previous flow data are used to estimate flows by means of three different neural network methods namely, conventional feed forward back propagation (FFBP), radial basis functions neural network (RBF), generalized regression neural network (GRNN) and multivariate regression, one of the classical methods. Consequently, FFBP and RBF are found more preferable when extrapolation is required. On the other hand both methods occasionally give negative estimations for low flow values; that is a problem not faced when GRNN is used.
Benzer Tezler
- Makina öğrenmesi yöntemleri ile havza çıkış debisi tahmini
Determination of outlet discharge in basin with machine learning methods
KEREM KAYA
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiGazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER KOÇYİĞİT
- Doğu karadeniz bölgesindeki saf ladin ve göknar ekosistemlerinde toplam intersepsiyonun ekolojik, hidrolojik ve meteorolojik yönden araştırılması
Investigation of total interception for pure spruce and fir ecosystems on ecological, hydrological and meteorological aspects in eastern black sea region, Turkey
UĞUR KEZİK
Doktora
Türkçe
2021
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. SEZGİN HACISALİHOĞLU
- Hızlı piroliz yöntemi ile orman atıklarının pirolizi
Pyrolysis of forest residues by using fast pyrolysis method
ÖMER KAYGUSUZ
Yüksek Lisans
Türkçe
2020
EnerjiGiresun ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MÜKRİMİN ŞEVKET GÜNEY
- Harşıt çayı havzasında yağış-akış karakteristikleri ile erozyon ve sediment sorunlarının araştırılması
Başlık çevirisi yok
İSRAFİL KOCAMAN
Yüksek Lisans
Türkçe
1994
ZiraatTrakya ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
DOÇ.DR. LOKMAN DELİBAŞ
- Obtaining inundation maps by GIS and hydrologic-hydraulic model integration
CBS ve hidrolojik-hidrolik model ategrasyonu ile taşkın haritaları elde edilmesi
BURAK TURAN
Yüksek Lisans
İngilizce
2002
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURÜNNİSA USUL
YRD. DOÇ. DR. ZÜHAL AKYÜREK