Geri Dön

Forecasting palmer drought severity index using hybrid wavelet-heuristic models

Hibrit dalgacık-heuristik modelleri kullanarak palmer kuraklık şiddet endeksini tahmini

PDF İndir

  1. Tez No: 606613
  2. Yazar: AKBAR JALILZADNEZAMABAD
  3. Danışmanlar: PROF. DR. ABDÜSSELAM ALTUNKAYNAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Doğal bir felaket olan kuraklık; belirli bir bölgede atmosferik, yeraltı veya yerüstü gibi çeşitli su kaynaklarının yetersizliği durumuna yol açar. Uzun sürelerde oluşan kuraklığın etkisi aylar veya yıllar boyunca devam edebilir. Afet bölgesinde su kıtlığı sebebiyle oluşan ekosistem ve tarım üzerindeki olumsuz etkilerle birlikte, yerel ekonominin de olumsuz etkilenmesine sebep olur. Dünyadaki en uzun kuraklık Şili'in Atacama çölü'nde meydana gelmiştir. Kuraklık devam ettikçe, koşullar giderek kötüleşmekte ve yerel nüfus üzerindeki etkisi giderek artmaktadır. Genelde, üç tür kuraklık vardır; 1) Meteorolojik kuraklık, yağış uzun bir süre ortalama yağıştan az olduğunda meydana gelir. 2) Tarımsal kuraklık, büyüme mevsimi boyunca yağış yetersizliği olarak tanımlanmaktadır, mahsul üretimini ve çevrenin ekolojisi etkilenir. 3) Hidrolojik kuraklık, su rezervleri kaynaklari, akiferler, göller ve rezervuarlar gibi kaynaklar, istatistiksel ortalamanın altındada olması durumunda kuraklık olarak tanımlanır. Kuraklık tahmini su kaynakları planlaması ve yönetimi için önemlidir. Birkaç endeks kuraklık özelliklerini tanımlamak için kullanılır. Bunlar arasında en çok kullanılanlar, standartlaştırılmış yağış indeksi (SPI), Palmer kuraklık şiddeti endeksi (PDSI) ve PDSI türevleridir. Kuraklık endeksleri; etki süresi, büyüklük ve şiddet gibi kuraklığın temel özellikleri üzerinden kuraklığın tanımlanmasını sağlar. Palmer kuraklık endeksi, bazen Palmer kuraklık şiddeti endeksi, kısaltılmış hali ile PDSI olarak da bilinir ve kuruluk son yağış ve sıcaklığa bağlı olarak ölçür. Yöntemin detayları ilk kez 1965 yılında meteorolog, Wayne Palmer tarafından yayınlanmıştır. Palmer kuraklık şiddeti endeksi, arz-talep, toprak nemi modeline dayanmaktadır. Amerika Birleşik Devletleri ve bölgesel iklimlerini kullanılarak test edilmiştir. PDSI yağış ve sıcaklık verileri ve ayrıca toprağın yerel mevcut su içeriğine (available water content, AWC), göre hesaplanır. Giriş verileri için su dengesi denkleminin, evapotranspirasyon, toprak şarjı, akıntı ve yüzey katmanından nem kaybı dahil tüm temel terimleri belirlemelidir. PDSI'yı çalıştırmak, sıcaklık, yağış ve toprak bilgisine ihtiyaç vardir. Son birkaç on yılda, kuraklık Türkiye'de tekrarlayan bir fenomen haline gelmiş ve 1980'lerin sonlarında önemli kuraklık koşulları gözlemlenmiş ve 1990'ların sonuna kadar eğilim devam etmiştir. Ülkenin tarım sektörü ve su kaynakları, tekrarlanan kuraklıklardan dolayı katı kısıtlamalar altında olmuştur. 6-21 haziran 1941 tarihleri arasında Ankara'da, 1. coğrafya kongresinde, uzun süren tartışma ve çalışmalardan sonra Türkiye'ye yedi bölgeye ayırlmıştır. Coğrafi bölge sıırları, iklim, konum, yeşillik, hayvan türü, insan yaşam alanı, tarım çeşitliliği, ulaştırma, topografya, gibi çeşitli katogarilere göre belirlemiştir. Marmara bölgesi onlardan biridir. Türkiye'de yüksek nüfus yoğuluğu ve gelişmiş sanayi gibi alanlarda ilk sırada yer alan Marmara bölgesi, aynı zamada etkin tarim arazisi kullanımına sahiptir. Bu araştırmada, Palmer Kuraklık Şiddeti Endeksinin arasındaki anlamlı ilişkiyi, Türkiye'nin Marmara bölgesi için incelenmiştir. Aylık PDSI verileri, University of East Anglia Climatic Research Unit web sitesinden elde edilmiştir. PDSI verileri, 1960-2016 yıları arası ve 10 istasiyon noktası için elde edilmiştir. Kuraklık endeksini kullanmak, kuraklığı izlemenin ve ölçmenin yollarından biridir, bu çalışmada Palmer Kuraklık Şiddeti Endeksi, geçerli ve pratik bir model olarak kullanılmıştır. Bu çalışmaın amaçları; 1) PDSI zaman serisini verileri kullanılarak önceki değerlerden ileriye dönük tahminlerde bulumak için modellerin geliştirlimesi, 2) simülasyon için farklı yöntemler kullanmak ve yöntemlerin tahmin sonuçlarını karşılaştırmak, 3) tarımsal kuraklığı izlemek için bir yöntem önermek, 4) tahmin doğruluğunu ve tahmin edilebilir ileri zaman adımını artırmak. Bu araştırma, stand-alone Fuzzy, stand-alone k - nearest neighbour (KNN), stand-alone support vector machine (SVM), hybrid wavelet fuzzy (W-Fuzzy), hybrid wavelet support vector machine (W-SVM) and hybrid wavelet k - nearest neighbour (W-KNN), yöntemleri, palmer kuraklık şiddeti endeksi'ni tahmini ve altı söylediğimiz yöntemlerin performansını karşılaştırmak için uyguladı. Genelde, 0,5'ten büyük CE değerleri, kabul edilebilir performans seviyeleri olarak bilinir. CE değeri, 0,65-0,75 aralığındaysa makul, 0,75-0,85 aralığında ise iyi ve 0,85'ten yüksekse, çok iyi performans gösterir. Bir ay sonrası tahmini Fuzzy, KNN ve SVM modellerin tahmin performansları iyi iken W-Fuzzy, W-KNN ve W-SVM modellerin tahmin performans 1 ve 3 ay sonrası için çok iyidir, W-Fuzzy, W-KNN ve W-SVM modelerinin 6 ay sonrası için tahmin performası göstergesi olan CE değerleri sırasıyla 0.63, 0.60 ve 0.63 hesaplanmıştır. W-Fuzzy, W-KNN ve W-SVM modellerinin 6 ay sonrası için tahmin sonuçları iyi ve kabul edilebilir bir performans göstermiştirler. 9 ve 12 aylık tahmin süresi için W-Fuzzy, W-KNN ve W-SVM modellerinin CE değerleri 0,5'den küçük olduğundan dolayı, bu modellerin tahmin performasları zayıf kalmıştır. Bu çalışmada geliştirlilen W-Fuzzy, W-KNN ve W-SVM modellerinin 3 aya kadar on istasyonun hepsinde çok iyi aylık PDSI tahmin değerleri üretmiştir. Ancak, Fuzzy, KNN ve SVM modellerinin, 3 ay ve daha uzun süreli tahminlerde performasları zayıf kalmıştır. Bu başarısızlık orijinal zaman serisindeki mevsimsellik ve trend bileşenlerinin ayrıştırılmadan modellerin geliştirlmesinden kaynaklanmaktadır. Dalgacık dönüşümü ile mevsimsellik ve trend bileşenlerini orijinal veriden elimine eder. Sonuçların karşılaştırmsı, dalgacık dönüşümü ile birleştirilmiş modellerin tahmin doğruluğunu ve ileriye dönük tahmin süresini iyi performans göstererek artırtığı gözlenmiştir. Geliştirilen modellerin tahmin başarısı, karesel ortalama hata (mean square error, MSE), korelasyon katsayısı (R^2) ve verimlilik katsayısı (Coefficient of Efficiency, CE) parametreleri esas alarak değerlendirmiştir. Kuraklık kontrol edilmesi zor bir afettir, ancak doğru programları ve uygun yönetimleri kulanarak, kuraklık afeti en az hasarla atalatılabilir. Bu çalışmanın hedefi, Fuzzy, KNN, SVM, W-Fuzzy, W-SVM and W-KNN modeller kulanarak Palmer Drought Şiddet İndeksi verilerini tahmin etmektir.

Özet (Çeviri)

A drought is a natural calamity, it occurs when the precipitation value is less than average rainfall in a given region, leads to a shortage of water supplies, such as atmospheric, surface waters or groundwater. Drought can last for months or years. In addition to damaging the local economy, drought can have a major impact on the agriculture and ecosystem of the affected area. The longest drought in the world has occurred in the Atacama desert in Chile, as a drought continues, its conditions are getting worse and its impact on the local population is increasing. In general, there are three types of drought; 1) Meteorological drought occurs when there is a prolonged time with less than average precipitation, 2) Agricultural drought is defined as shortage of precipitation during the growing season it affect crop production or the ecology of the scope, 3) Hydrological drought is brought about when the water reserves in resources such as aquifers, lakes and reservoirs are below the statistical average. Drought estimation is crucial for planning and managing water resources. There are several indices that used to describe the properties of drought. The most commonly used Palmer drought severity index (PDSI), standardized precipitation index (SPI), PDSI derivatives and deciles. Severity, magnitude and duration, are the three basic characteristics that should be identified in the definition of drought index. The Palmer Drought Severity Index (PDSI) applies current precipitation and temperature data to evaluate relative drought. It was improved by meteorologist Wayne Palmer, whose, published his first method in 1965. It's also well known as the Palmer drought severity index and often briefed PDSI. The Palmer Drought Index is based on a supply-and-demand model of soil moisture, developed for the United States and tested using the regional climates of the U.S. Temperature and precipitation also the local Available Water Content (AWC) of the soil are used to calculate PDSI. All main terms of the water balance equation can be determined from inputs, including evapotranspiration, soil recharge, runoff and loss of moisture in the surface layer. Running the PDSI requires temperature, precipitation and soils information. In the last few decade drought has become a repetitive phenomenon in Turkey. During the years of late 1980s crucial drought conditions were determined and the trend lasted until the late 1990s. Repeated droughts have limited the country's, water resources and agricultural sectors. In Ankara city between 6–21 June 1941, held the 1st geography congress, Turkey after long work and consultations was divided into seven regions. As a result of this congress, these geographical regions were separated with respect to their climate, vegetation, transportation, location, agricultural diversities, etc. The Marmara region is one of them. Representative data are calculated for Marmara region of Turkey. The significant serial correlation (autocorrelation) coefficient of time series of Palmer Drought Severity Index was investigated for Marmara region of Turkey. Monthly PDSI data were obtained from University of East Anglia Climatic Research Unit website. PDSI data is obtained for 10 grid points for period from 1960 through 2016. Drought is not controllable, but it can be done by running correct programs and logical management with the least damage. The objective of this present study is to develope stand-alone Fuzzy, SVM, KNN, W-Fuzzy, W-SVM and W-KNN models to forecasting Palmer Drought Severity Index. The purposes of this study are: 1) to simulate PDSI time series data, 2) use different method for simulation and evaluate the performace those models, 3) to propose a method to monitor agricultural drought, 4) to enhance the prediction validity and lead-time prediction. Using drought index is one of the ways to monitoring and surveying drought, in this present, time series data of study Palmer drought severity index has been used for calibration and validation phases. This research carried out fuzzy model, k-nearest neighbour (KNN) model, support vector machine (SVM) model, hybrid wavelet-fuzzy (W-Fuzzy) model, hybrid wavelet k - nearest neighbour (W-KNN) model and hybrid wavelet support vector machine (W-SVM) model, to forecast monthly Palmer Drought Severity Index data accuratly lead-times of 1, 3, 6, 9 and 12 months. The results of all six models are evalulated based on statistical criteria, which are mean squared error (MSE), coefficient of determinaion (R2) and coefficient of effecency (CE). Stand-alone fuzzy, KNN, SVM models can be used to forecast Palmer Drought Severity Index data accuratly for lead-times of one month while W-Fuzzy, W-KNN and W-SVM models can be used succecfully for lead-time predictions up to 6 months. In general, the performance of model is considered acceptable when CE values of models greater than 0.5. The performance of model is fair when the CE value of model is in the range of 0.65-0.75, well if the CE value is in the range of 0.75-0.85, and if the CE value is higher than 0.85, it has very good performance. In classification, for prediction of one month, the performances of stand-alone models are well and hybrid form of models performance are very well. However, W-Fuzzy, and W-SVM models performed good for lead-time predictions of 3 month. Longer lead-time predictions of 6 month, the CE values of W-Fuzzy, W-KNN and W-SVM models are found to be 0.63, 0.60 and 0.63, respectively. Accordingly, W-Fuzzy, W-KNN and W-SVM model predictions for lead-time of 6 month are performed fair. For lead-time predictions of 9 and 12 months, the CE value of W-Fuzzy, W-KNN and W-SVM models are found to be less than 0.5. According to CE values the performence of W-Fuzzy, W-KNN and W-SVM models is unacceptable for lead-time predictions of 9 and 12 months. This means that the W-Fuzzy, W-KNN and W-SVM models cannot be used for prediction of Palmer Drought Severity Index data for longer lead-time, 9 and 12 months. All the six models were found to estimate monthly PDSI values with very good validity at all ten stations for prediction until lead time of 3 months, but, the stand-alone models were provided to be unacceptable prediction results in terms of monthly PDSI data after lead time of 3 months. Although Stand-alone fuzzy, KNN, SVM models have good results for lead-time of one month, In other words, stand-alone model can not be utilized for longer lead-time predictions. This is because the time series values are included seasonal component. Wavelet transform serves to decompose seasonal and trend componenets from time series data. The comparison results show that the combined W-Fuzzy, W-KNN and W-SVM models enhanced the prediction accuracy, longer lead-time predictions and performed better than the stand–alone form of models according to coefficient of determinaion (R2) and coefficient of efficiency (CE) and mean square error (MSE). According to results of this study hybrid W-Fuzzy, W-KNN and W-SVM models performed better than stand-alone fuzzy, K-NN, SVM models for all lead-time predictions. However, the prediction performance of W-Fuzzy model is found to be slightly better than W-KNN and W-SVM models in terms of MSE, CE and R2 .

Benzer Tezler

  1. Tez No

    350436

    Development of a (Doppler-Preserving) digital signal processing algorithm for a FMCW radar

    FMCW radar için sayısal işaret işleme algoritması tasarımı

    HASAN İŞEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SELÇUK PAKER

  2. Tez No

    72530

    İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi

    Forecasting İstanbul Stock Exchange index by statistical methods

    HALİL SONER BİNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    İşletmeAnkara Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÖZDEMİR AKMUT

  3. Tez No

    767852

    Forecasting brent oil futures prices using machine learning

    Yapay öğrenme kullanarak brent petrol vadeli işlem fiyatlarını öngörüleme

    EMRE KAAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN TÜRKAY

  4. Tez No

    771586

    Hazır giyim sektöründe marka tercihlerinin Markov zincirleri ile tahmini

    Forecasting brand preferences in the apparel industry with Markov chains

    YELİZ ŞAFAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. VEDAT SAĞLAM

  5. Tez No

    773235

    Finansal başarısızlık modelleri baz alınarak finansal başarının tahmin edilmesi BİST 50 imalat sektörü üzerine uygulama

    Forecasting financial success based on financial failure models implementation on BIST 50 manufacturing sector

    MUHAMMET YUSUF KARACA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    MaliyeAydın Adnan Menderes Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ UMUT TOLGA GÜMÜŞ

Geri Dön