Geri Dön

Karaçomak Barajı havzasında bazı su kalitesi parametrelerine yapay sinir ağı (YSA) tekniklerinin uygulanması

Implementation of artificial neural network (ann) techniques in some water quality parameters in Karacomak Dam basin

  1. Tez No: 513756
  2. Yazar: IDRIS B.IMNEIST SAAD
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MİRAÇ AYDIN
  4. Tez Türü: Doktora
  5. Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Kastamonu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 146

Özet

Bu araştırmada, elektriksel iletkenlik (EC), pH, Sıcaklık (T), çözünmüş oksijen (DO), bulanıklık (TUR), toplam sertlik (Ha), toplam alkalinite, amonyak azotu (NH4-N), nitrit azotu (NO2-N), nitrat azotu (NO3-N), fosfat (PO4-P), biyokimyasal oksijen ihtiyacı (BOD), kimyasal oksijen talebi (COD), su ve atık suyun ölçümü için standart metotlara göre analiz edildi. Eylül 2015 ile Temmuz 2016 arasında istasyonlardan elde edilen sonuçlar, insan kullanımı için mükemmel ve kötü su kalitesi sınıflarına göre kategorize edilmiştir. Bu çalışmada Kastamonu Belediyesi ve Karaçomak Barajı için model yoluyla WQI'yı tahmin etmek için yapay sinir ağının (YSA) gelişimi incelenmiştir. Basit bir ilerleme ağına dayanan bu çalışmada son model yapı kullanılmıştır. Basit ileri besleme ağı, standart geri yayılım algoritması (Levenberg-Marquardt) (tren-lm) ve Bayes düzenlemesi geri yayılımı (tren-br) olmak üzere iki farklı eğitim algoritması ile uygulanır. Bu çalışmada modelleme için bir gizli katman seçilmiştir ve gizli nöronların sayısı giriş düğümlerinin (n+1) ve (2n+1) olarak belirlenmiştir. Birçok ampirik inceleme, gizli nöron seti kullanılarak gerçekleştirilmektedir. Modelin, WQI'ini tahmin etmek için yaratılan tüm parametreleri varsa, (2n+1) gizli düğümlerde modifiye ettikleri, ancak 5 parametreden daha az giriş olduğunda, gizli düğümü (n+1) ile azaltmak isteyecektir. Öte yandan, WQI-Calculation ve WQI-Predict arasında karşılaştırma tamamlanmıştır. Karşılaştırma şu şekildedir: Model2-abr> model2-alm> model2-5br> sonuncusu model2-5lm'dir. Bu keşif, gizli nöronların miktarının, sistemin uygulanmasını doğrudan etkilemiş şeklini kullanarak tasvir edilebilir ve bu modeli, standart geri yayılım algoritması için aktivasyon fonksiyonu (train-br) en uygun hale getirildiği için Bayesian mevzuatının geri yayılımı ile birlikte görebiliyoruz.

Özet (Çeviri)

In this study, electrical conductivity (EC), pH, temperature (T), dissolved oxygen (DO), turbidity (TUR), total hardness (Ha), total alkalinity, ammonia nitrogen (NH4-N), nitrite nitrogen (NO2-N), nitrate nitrogen (NO3-N), phosphate (PO4-P), biochemical oxygen demand (BOD), chemical oxygen request (COD) were analysed in accordance to standard methods for the examination of water and wastewater. Between September 2015 and July 2016, the results obtained from the stations have been categorized between excellent to poor water quality for the human use. In this study, the development of the artificial neural network (YAS) for estimating WQI for the Kastamonu Municipality and Karacomak Dam was investigated. The last model structure utilized in this study which is based on a simple feedforward network. The simple feedforward network is applied with two different training algorithms the standard back-propagation algorithm (Levenberg-Marquardt) (train-lm) and Bayesian regulation backpropagation (train-br). In this study, one hidden layer has been selected for modelling and the number of the hidden neuron is set (n+1) and (2n+1) of input nodes. And, many empirical investigations are carried out by using the deferent set of hidden neurons. It used to be determined that If the model has all parameters (input) that are created to predicted the WQI (output) they modified in hidden nodes at (2n+1) however if there is any change in the number of input with 5 or much less than 5 parameters inputs, that it will want to decrease of the hidden node with (n+1). On the other hand, the comparison has been completed between WQI- Calculation and WQI -Predict. The order is as follows model2-abr >model2-alm >model2-5br >the last one is model2-5lm. This discovering can be depicted by using the way that the quantity of hidden neurons straightforwardly affects the execution of the system and we can see that model with Bayesian legislation backpropagation as activation function (train-br) is optimal to the standard back-propagation algorithm (Levenberg-Marquardt) train-lm.

Benzer Tezler

  1. Kastamonu ili Karaçomak ve Beyler Barajı sucul kuşları

    Aquatic birds of Kastamonu province Karacomak and Beyler dam

    ABDULLAH UGIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Ormancılık ve Orman MühendisliğiKastamonu Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. EROL AKKUZU

  2. Karaçomak baraj gölü ve Kabalar göletinde yaşayan Cyrinus carpio (L., 1758)' da çeşitli metotlarla yaş tayini

    Age determination of cyprinus carpio (L., 1758) living in Karaçomak dam lake and Kabalar artificial lake by several methods

    ÖMER SAYLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    Su ÜrünleriGazi Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. ORHAN ARSLAN

  3. Kastamonu içme suyunu sağlayan Karaçomak göletinin mikrobiyolojik ve kimyasal yönden incelenmesi

    Microbiological and chemical investigation of drinkable water of Karacomak lake in Kastamonu

    AMNA MOHAMED ALKILANI EMHEMED

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Halk SağlığıKastamonu Üniversitesi

    Genetik ve Biyomühendislik Ana Bilim Dalı

    YRD. DOÇ. DR. NEJDET GÜLTEPE

  4. Finding the most suitable irrigation dams for hydropower development by using gis tools

    Hidroelektrik enerji üretimi için en uygun tarımsal sulama barajlarının cbs yöntemi ile bulunması

    OMAR AL-BAYATI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. H. HAKAN MARAŞ

    PROF. DR. SERHAT KÜÇÜKALİ

  5. Yaşam kalitesinin yordayıcıları: Türkiye ve İran örneği

    Prediction of life quality: A Turkish and an Iranian example

    ZAKİEH ASLE AANDROODİ

    Doktora

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ARİF ÖZER