Geri Dön

Kızılırmak havzasında yapay zekâ metotları kullanarak sediment taşınımının tahmini

Estimation of sediment transport using artificial intelligence methods in the Kızılırmak basin

  1. Tez No: 616857
  2. Yazar: AHMET ALPEREN ACAR
  3. Danışmanlar: DOÇ. DR. MERAL BÜYÜKYILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Ayrık Dalgacık Dönüşümü, Kızılırmak Nehri, Sediment, Sediment Anahtar Eğrisi, Yapay Sinir Ağları, Discrete Wavelet Transform, Kızılırmak River, Sediment, Sediment Rating Curve, Artificial Neural Network
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Baraj rezervuarlarının ekonomik ömürlerinin daha hızlı tükenmesine sebep olmaları nedeniyle sediment miktarının doğru tahmin edilmesi oldukça önemlidir. Baraj rezervuarlarında ölü hacimlerin ekonomik ömürlerinin azalmasını önlemek ve gelebilecek sedimenti azaltmak için, baraj rezervuarlarının sürdürülebilirliklerini tehdit eden ve akarsular tarafından taşınan sediment birikimlerinin tespit edilmesi gerekmektedir. Sedimenti etkileyen pek çok jeolojik, topoğrafik ve klimatolojik faktör vardır. Bu faktörlerin çokluğu ve birbirleriyle olan ilişkilerinin karmaşık olması nedeniyle, her hangi bir akarsuyun taşıdığı sediment miktarının doğru bir şekilde hesaplanabilmesi oldukça zordur. Yapay sinir ağları sediment gibi karmaşık problemlerin çözümünde son yıllarda yaygın olarak kullanılmaktadır. Bu çalışmada sediment tahmini amacıyla, Kızılırmak Nehri üzerinde bulunan 4 farklı gözlem istasyonuna ait akım (m3/sn) ve taşınan sediment miktarı (ton/gün) verileri kullanılmıştır. Sediment tahmininde, akım ve sediment verilerinden oluşan 10 farklı girdi kombinasyonu kullanılmıştır. Bu veriler kullanılarak geliştirilen yapay sinir ağları (YSA) modelleri sonuçları ile sediment anahtar eğrisi yöntemi sonuçları karşılaştırılmıştır. Ayrıca ayrık dalgacık dönüşümü uygulanarak işlemler tekrarlanmıştır. YSA ve Dalgacık-YSA modellerinin başarısı, Karekök Ortalama Karesel Hata (KOKH), Ortalama Mutlak Hata (MAE), Nash-Sutcliffe etkinlik katsayısı (ENash) ve Determinasyon Katsayısı (R2) performans kriterlerine göre belirlenmiştir. Çalışma sonucunda Kızılırmak-Söğütlühan İstasyonu hariç tüm istasyonlarda, genel olarak dalgacık-YSA yöntemlerinin, sediment tahmininde diğer yöntemlere göre daha başarılı olduğu belirlenmiştir.

Özet (Çeviri)

Accurate estimation of the amount of sediment is very important, as it leads to faster depletion of the economic life of dam reservoirs. In order to prevent the decrease in the economic life of the dead storage and to reduce the sedimentation in the dam reservoirs, it is necessary to determine the sediment which is threatens reservoirs sustainability, and carried by rivers. There are many geological, topographic and climatologic factors affecting the sediment. Because of the multiplicity of these factors and the complexity of their relationships with each other, it is quite difficult to calculate the amount of sediment carried by any river. Recently, Artificial Neural Networks (ANN) are widely used to solve the complex problems such as sediment. In this study, the data of flow (m3/sec) and the amount of transported sediment (ton/day) data of 4 different observation stations that are in the Kızılırmak River Basin is used for the prediction of the sediment. In the sediment estimation, 10 different input combinations consisting of different flow streams and SSL data were used. These neural network methods developed by using those data are compared with the results of the sediment rating curve method. It was also accomplished by applying discrete wavelet transform. The success of ANN and Wavelet-ANN models were determined according to Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Nash-Sutcliffe Efficiency Coefficient (ENash) and Determination Coefficient (R2) performance criteria. As a result of the study, it was determined that wavelet-ANN methods were generally more successful than sediment estimation in all stations except Kızılırmak-Söğütlühan Station.

Benzer Tezler

  1. Akarsularda seviye akış ilişkilerinin yapay zeka metotları ile belirlenmesi

    Determinatiion of stage-discharge relationship of rivers using artificial intelligence methods

    FATİH CEVAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Bölümü

    DOÇ. DR. ÖZGÜR KİŞİ

  2. Kızılırmak ve yeşilırmak havza karakteristiklerinin belirlenmesi ve su kalitesinin değerlendirilmesi

    Determination of kizilirmak and yeşilirmak basin characteristics and evaluation of water quality

    BİLGE AYDIN ER

    Doktora

    Türkçe

    Türkçe

    2023

    Çevre MühendisliğiOndokuz Mayıs Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. YÜKSEL ARDALI

    PROF. DR. BAŞAK TAŞELİ

  3. Evaluation and modeling of streamflow data: Entropy medhod, autoregressive models with asymetric innovations and artificial neural networks

    Akım verilerinin değerlendirilmesi ve modellenmesi: entropi metodu, simetrik olmayan hata terimli otoregressif modeller ve yapay sinir ağları

    NERMİN ŞARLAK

    Doktora

    İngilizce

    İngilizce

    2005

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ÜNAL ŞORMAN

  4. Akarsu akımlarının nonlineerlik, stokastiklik ve belirsizlik özelliklerinin matematiksel tabanlı metotlarla incelenmesi

    The examination of nonlinearity, stochasticity and uncertainty properties of streamflows with the mathematical based methods

    HAKAN TONGAL

    Doktora

    Türkçe

    Türkçe

    2012

    İnşaat MühendisliğiSüleyman Demirel Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VEYSEL GÜLDAL

  5. Kızılırmak Havzası'nda SYİ ile kuraklık analizi ve YSA yöntemi ile kuraklık tahmini

    A drought analysis of the Kızılırmak basin using the standardized precipitation index (SPI) method and drought estimation using the artificial neural networks method

    GAYE OĞUZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    İnşaat MühendisliğiKırıkkale Üniversitesi

    İnşaat Ana Bilim Dalı

    DOÇ. DR. OSMAN YILDIZ