Derin öğrenme ile debi tahmini
Streamflow prediction with deep learning
- Tez No: 604668
- Danışmanlar: PROF. DR. ŞEREF NACİ ENGİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Yapay zeka, Deep learning, Artificial intelligence
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, web tabanlı bir havza bilgi sisteminin geliştirilmesine yönelik kapsamlı bir proje çerçevesinde yürütülen debi tahmini modellemesinin ve veri analizinin bir kısmına yer verilmiştir. Debi tahmini zor bir iştir çünkü doğrusal olmayan, kaotik, çok boyutlu, anlık ve sürekli süreçleri içerir. Çalışma, temel olarak deşarjdan kaynaklanan günlük deşarj tahminleri bir derin öğrenme yaklaşımı olan Tekrarlayan Sinir Ağları (TSA) modeli ile sunmayı amaçlamaktadır. TSA modeli, Uzun Kısa Süreli Bellek (UKSB) mimarisi ile güçlendirilir ve Adam iyileştirme algoritması ile iyileştirilir. Çalışma sonuçları, geleneksel Yapay Sinir Ağı (YSA) modelleriyle karşılaştırıldığında ümit verici bulunmuştur.
Özet (Çeviri)
In this study, some part of streamflow modelling and data analysis carried out within the frame of a comprehensive project on the web-based development of a watershed information system is reported. Flowrate prediction is a challenging work because it involves nonlinear, chaotic, multi-dimensional, instantaneous and continuous processes. The study basically aims to present the daily discharge predictions from the actual discharge using Recurrent Neural Networks (RNNs) as a deep learning approach. RNN is back ended by the LSTM (Long Short-Term Memory) and improved by an Adam optimization algorithm. The initial results are found promising compared to those of conventional Artificial Neural Network (ANN) models.
Benzer Tezler
- Comparison of Savran and Akdere flow measurement station datausing deep learning methods
Savran ve Akdere akım istasyon verilerinin derin öğrenme yöntemleri kullanılarak karşılaştırılması
ALİ OSMAN ZENGİN
Yüksek Lisans
İngilizce
2021
İnşaat MühendisliğiHasan Kalyoncu Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ÇAĞAN KILINÇ
- Vision transformer-based physics informed CFD prediction of axial fans with self-supervised contrastive learning for enhanced geometric sensitivity
Eksenel fanlarda geometrik farklılıkların yakalanmasına yönelik kontrastif öğrenme destekli, fizik bilinçli vısıon transformer tabanlı CFD tahmini
MEHMET FATİH REYHAN
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ZAFER
- Makine öğrenmesi kullanılarak hidrolojik modelleme: fırtına deresi örneği
A hydrologi̇c modelli̇ng based on machi̇ne learni̇ng: firtina stream case
ENSAR EFENDİ CELEPCİ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAYRAK
DR. ÖĞR. ÜYESİ ŞAFAK KAYIKÇI
- The effect of global climate change on hydroelectric power plants and energy production in the Central Black Sea basin
Küresel iklim değişikliğinin Orta Karadeniz havzasında hidroelektrik santraller ve enerji üretimi üzerine olan etkisi
HESHAM ALRAYESS
Doktora
İngilizce
2021
İnşaat MühendisliğiOndokuz Mayıs Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI ÜLKE KESKİN
- Forecasting streamflow in Asi River using long-short term memory networks
Uzun-kısa süreli bellek ağları kullanarak Asi Nehri'nde akım tahmini
EBRU TARIM
Yüksek Lisans
İngilizce
2021
İnşaat MühendisliğiHasan Kalyoncu Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADEM YURTSEVER
DR. ÖĞR. ÜYESİ HÜSEYİN ÇAĞAN KILINÇ