Hidrolojik zaman serilerinin yeni hibrit yöntemlerle tahmini
Forecasting of hyrological variables using new hybri̇d methods
- Tez No: 484344
- Danışmanlar: PROF. DR. TEFARUK HAKTANIR
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Hidrolojik veri, Tahmin, Ön İşlem, Hibrit Modeller, YSA, AKA, TSA, AKA-YSA, TSA-YSA, Hydrologic data, Estimation, Preliminary analysis, Hybrid models, ANN, EMD, SSA, EMD-YSA, SSA-YSA
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 188
Özet
Su bilimi olarak bilinen hidroloji; suyun yerküre üzerindeki dağılımını, fiziksel, kimyasal ve biyolojik özelliklerini inceleyen uygulamalı bir bilimdir. İnsan için hayati öneme sahip olan su kaynaklarının planlanması, projelendirilmesi ve işletilmesi hidrolojik çalışmaların başında gelmektedir. Gelecekte meydana gelecek hidrolojik olayların modellemesi ve tahmini hidrolojik çalışmalar için oldukça büyük öneme sahiptir. Hidrolojik çalışmalarda temel olarak kullanılan bilgiler; yağış, su seviyesi ve akış debisi gibi hidrolojik verilerdir. Geçmişte gözlenmiş verilerin doğru analizi, gelecektekilerin tahminini kolaylaştırmaktadır. Hidrolojik veriler ölçüm alınan yerlerin coğrafik, iklimsel ve bitki deseni farklılıklarına göre farklı istatistiksel özellikler sergilemektedir. Bu nedenle verilerin ön analizi ölçüm yerinin işleyişi hakkında önemli bilgiler verebilmektedir. Bu çalışmada hidrolojik değişkenlerin tahmini için literatürde mevcut yöntemlere yenilikler getirilerek hibrit yöntemler oluşturulmuş ve bunların tahmin performansı mevcut yöntemlerinkilerle karşılaştırılmıştır. Çalışmada, hidrolojik verilerin tahmini için literatürde mevcut yöntemler olarak, lineer yaklaşımlar üzerine kurulu modellerden Özbağılımlı (ÖB), Özbağılımlı Hareketli ortalama (ÖBHO) modelleri ve yapay zeka teknikleri arasında yer alan nonlineer modellerden Yapay Sinir Ağları (YSA) modelleri kullanılmıştır. Hidrolojik verilerin tahmininde; yenilikçi yaklaşım olarak, Ampirik Kip Ayrışım (AKA) ve Tekil Spektrum Analizi (TSA) yöntemlerini ön işlem olarak kullanan AKA-YSA ve TSA-YSA hibrit modelleri ortaya konmuştur. Sunulan modellerin performansları, verilere ön işlem yapılmadan elde edilen tahmin sonuçları ile karşılaştırılmıştır. Tahmin çalışması için günlük, aylık ortalama akım miktarını gösteren debi ve su seviyesi yüksekliğini gösteren hidrolojik değişkenler kullanılmıştır. Çalışmanın sonucunda hidrolojik verilerin tahmininde hibrit modellerin performansının yüksek olduğu ortaya konmuştur.
Özet (Çeviri)
Hydrology, known as water science, is an applied science dealing with the circulation of water on earth, studying its physical, chemical, biological and statistical features. The planning, design and management of water resources, which are vitally important for survival of mankind, are among major hydrologic studies. Modeling and robust prediction of future hydrologic events are of great significance for hydrologic studies. Such variables as rainfall, streamflow, and water surface elevation are some of major information needed in hydrologic studies. Correct analyses of past occurrences of these data make it easier to predict those to take place in the future. Depending on their geographical, climatic, and plant pattern peculiarities, the hydrologic data reveal spatially different statistical features. Hence, prior analysis of the observed data is necessary because it provides essential information about the regime at that location. In this study, hybrid methods have been developed by introducing innovations to the existing methods, and their performansce has been compared with the latter. As existing methods in relevant literature for prediction of hydrologic variables, the linear Özbağılımlı (ÖB) and Özbağılımlı Hareketli ortalama (ÖBHO) models, and also the nonlinear Artificial Neural Networks (ANN) model are used in the study. As a new approach, the hybrid models of EMD-ANN and SSA-ANN are developed, which use the Empirical Mode Decomposition (EMD) and the Singular Spectrum Analysis (SSA) schemes as a means of preliminary analysis of the observed data, respectively, and next apply the ANN method to such processed data. The performansces of these two hybrid models have been compared with those of the mentioned existing methods. Monthly and daily streamflows and water surface elevations data have been used in these comparison analyses. In conclusion, it has been observed that the performansces of the proposed hybrid models are more successful than those of the above-mentioned linear and nonlinear models.
Benzer Tezler
- Global gravity field recovery from low-low satellite-to-satellite tracking with enhanced spatiotemporal resolution using deep learning paradigm
Global gravite alanının derin öğrenme paradigması kullanarak alçak uydudan alçak uyduya izleme ile iyileştirilmiş çözünürlükte belirlenmesi
METEHAN UZ
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN AKYILMAZ
- Uncertainty analysis in selection of models best fit to stochastic processes
Stokastik süreçlerde en uygun modelin seçiminde belirsizlik analizi
ÜLKER GÜNER BACANLI
Doktora
İngilizce
2004
İnşaat MühendisliğiDokuz Eylül Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TÜRKAY BARAN
- Meteorolojik kuraklık modellemesi ve Türkiye uygulaması
Meteorological drought modelling and application to Turkey
SEVİNÇ SIRDAŞ
Doktora
Türkçe
2002
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Büyük ölçekli atmosferik dolanım ile hidrolojik kuraklık incelenmesi
Investigation of hydrological drought with large-scale atmospheric circulation
MOHAMED ABDELKADER
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiEge Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAHİT YERDELEN
- Catchment scaled drought analysis: Integrated climate and hydrological perspectives
Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri
SAEED VAZIFEHKHAH
Doktora
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN KAHYA