Improving data-driven based streamflow forecasting using wavelet transformation
Dalgacık dönüşümü kullanılarak veriye dayalı akım tahmin modellerinin iyileştirilmesi
- Tez No: 507966
- Danışmanlar: PROF. DR. MUSTAFA TOMBUL
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 211
Özet
Bu çalışmada, yapay sinir ağı (Artificial Neural Network (ANN)), uyarlamalı nöro-bulanık çıkarım sistemi (Adaptive Neuro-Fuzzy Inference System (ANFIS)) ve destek vektör makinesi (Support Vector Machine (SVM)) gibi veriye dayalı modeller (Data-Driven Models (DDMs)) kullanılarak günlük akım tahmini yapılmıştır. Yedi gün ve bir ay ilerideki akım tahmini daha az öngörülebilir hale gelirken, modellerin performansını artırmak için ön işlem olarak dalgacık dönüşümü (Wavelet Transformation (WT)) kullanılmıştır. Sürekli dalgacık dönüşümü (Continuous Wavelet Transformation (CWT)) 'dan elde edilen önemli ölçekleri seçmek için, bir seçim aracı olan çok genli genetik programlama (Multi-Gene Genetic Programming (MGGP)) ve aşırı gradient yükseltmeyi (XGB) kullanarak iki yeni hibrid model önerilmiştir. Bu modeller yapay sinir ağları (ANN) ve Aşırı Öğrenme Makinesi (Extreme Learning Machine (ELM)) olarak uygulamaya konmuştur. Gerçek tahminlerde WT tabanlı modellerin performansını incelemek için hindcast ve gerçek tahmin denemesi yapılmıştır. Sonuçlar, günlük tahmini DDM'leri kullanarak başarılı bir şekilde uygulandığını ve ANN'nin ANFIS ve SVM'ye kıyasla en yüksek performansa sahip olduğunu göstermektedir. Modele daha fazla bilgi dahil edilebildiğinden, önerilen iki model daha iyi performans göstermiştir; o nedenle bu çalışmada ayrık dalgacık dönüşümü (Discrete Wavelet Transformation (DWT)) kullanılmıştır. Son olarak, WT'nin yanlış uygulanmasından dolayı, WT- tabanlı hibrit modellerin art arda yapılan denemelerinde, hem CWT hem de DWT için performansının arttığı bulunmuştur. Çoğunlukla, WT, zaman serilerine uygulanmakta, daha sonra DDM'lere uygulanacak kalibrasyon ve test alt kümelerine bölünmekte ve geleceğe dair bazı bilgileri modele göndermektedir. Gerçek tahmin denemesinde, WT tabanlı hibrit modellerde, ön işlem uygulanmayan bağımsız DDM'lerden daha az performans göstermiştir.
Özet (Çeviri)
Daily streamflow forecasting is conducted in this study using several data-driven models (DDMs): artificial neural network (ANN), adaptive neuro-fuzzy inference system (ANFIS) and support vector machine (SVM). Seven days ahead and one month ahead streamflow being less predictable wavelet transformation (WT) is used as preprocessing to improve the performance of the models. Two new hybrid models were proposed using multi-gene genetic programming (MGGP) and extreme gradient boosting (XGB) as a selection tool to select only the important scales obtained from the continuous wavelet transformation (CWT) to be them imposed into ANN and extreme learning machine (ELM). Hindcast and real forecast experiment are conducted to investigate the performance of the WT-based models in the real forecasting. The results show that daily forecast can be implemented successfully using DDMs and ANN has the highest performance in comparison to ANFIS and SVM. The proposed two models outperformed the models uses discrete wavelet transformation (DWT) as more information can be included in the model. Finally, the performance of the models using WT-based hybrid models for both CWT and DWT in hindcast experiment was found as increases due to the incorrect application of WT. Mostly, WT is applied onto the time series, divided into calibration and testing subsets to be then imposed into DDMs and that sends some future information into the model. In the real forecast experiment, the WT-based hybrid models have less performance than the stand-alone DDMs in which no preprocessing applied.
Benzer Tezler
- Dijital dönüşümün kalite yönetim sistemlerine etkisi
The effect of digital transformation on quality management systems
AYSEL GULUZADE
Yüksek Lisans
Türkçe
2024
İşletmeDokuz Eylül ÜniversitesiToplam Kalite Yönetimi Ana Bilim Dalı
PROF. DR. OSMAN AVŞAR KURGUN
- E-mobilite uygulamaları için lityum-iyon bataryaların fizik tabanlı modellerinin karşılaştırmalı analizi
Comparative analysis of physics-based models for lithium-ion batteries in e-mobility applications
HAKKI YAVUZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ONUR GÜLBAHÇE
- Learning based image and video editing
Öğrenme temelli görüntü ve video düzenleme
LEVENT KARACAN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ERKUT ERDEM
- Data-driven aircraft performance models for improving baseline fuel estimations
Kalkış öncesi yakıt tahminini iyileştirmek için veri analitik hava taşıtı performans modelleri
MUHAMMED EMRE SARIGÖL
Yüksek Lisans
İngilizce
2018
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- Yapay sinir ağları ile veriye dayalı modelleme için diferansiyel evrim tabanlı bir nöroevrim uygulaması
A neuroevolution application based on differential evolution for data driven modeling with artificial neural network
NİDA TEKEDERELİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. BARIŞ BAYKANT ALAGÖZ