Geri Dön

Nehirlerdeki katı madde miktarının destek vektör makinesi modeli ile tahmini

Estimation of the sediment amount in the rivers with support vector machine model

PDF İndir

  1. Tez No: 632522
  2. Yazar: AHMET BURHAN KARAEMİNOĞULLARI
  3. Danışmanlar: PROF. DR. FATİH ÜNEŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İskenderun Teknik Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Akarsu yapılarında katı madde miktarının doğru bir şekilde tahmin edilmesi, su kaynaklarının mühendislik çalışmalarında belirgin bir öneme sahip olup, bu yapıların hassas bir şekilde tasarım ve projelendirilmesine bağlıdır. Katı madde miktarı doğru analizlerle belirlenmediği takdirde su alma yapıları ve barajlar kısa sürede ekonomik ömrünü tamamlayabilir. Bu da verimlilik ve maliyet açısından olumsuz sonuçlar doğurur. Çoğunlukla katı madde miktarı gözlem istasyonlarından yapılan ölçümlerle, katı madde anahtar eğrisi, yapay zekâ modelleme yöntemleri ve kullanılan katı madde denklemlerinden faydalanılarak belirlenmektedir. Bu çalışmada Missouri nehrindeki Nebraska eyaleti Omaha istasyonunda 2011-2017 yılları arasında ölçülen nehir debisi, hava sıcaklığı, yağış gibi hidro-meteorolojik parametreler kullanılarak katı madde miktarı tahmin modellemesi yapılmıştır. Katı madde miktarının tahmini için; katı madde anahtar eğrisi (KMAE) ve literatür de yapay zekâ yöntemleri arasında yer alan radyal taban fonksiyonlu destek vektör makineleri (DVM-RTF), polinom çekirdek fonksiyonlu destek vektör makineleri (DVM-PÇF) ve genelleştirilmiş regresyon yapay sinir ağı (GRYSA) kullanılmıştır. Bu modeller kendi içinde korelasyon katsayısı (R), ortalama karesel hataların karekökü (KKOH), mutlak ortalama hata (MOH) kullanılarak karşılaştırma yapılmıştır. Ölçüm ve model sonuçları karşılaştırıldığında, radyal taban fonksiyonlu destek vektör makineleri (DVM-RTF), polinom çekirdek fonksiyonlu destek vektör makineleri (DVM-PÇF) ve genelleştirilmiş regresyon yapay sinir ağı (GRYSA) modellemeleri nehirlerdeki katı madde miktarının tahmininde uyumlu sonuçlar vermiştir. DVM-RTF, DVM-PÇF ve GRYSA modelleri klasik yöntemlere alternatif olarak sunulabilir.

Özet (Çeviri)

Accurate estimation of sediments content in river structures has a significant importance in engineering studies of water resources and depends on the precise design and projecting of these structures. If the amount of sediments is not determined by the correct analysis, water intake structures and dams can complete their economic life in a short time. This has negative consequences in terms of productivity and cost. The amount of sediments is mostly determined by measurements from observation stations, sediment key curve, artificial intelligence modeling methods and solids equations used. In this study, the estimation of the sediments content was performed by using hydro-meteorological parameters such as river flow, air temperature and precipitation measured between 2011-2017 years at Omaha Station in Nebraska State, Missouri. For the estimation of sediment amount, sediment rating curve (SRC) and support vector machines- radial basis function (SVM-RBF), support vector machines-polynomial kernel (SVM-PK) and generalized regression neural network (GRNN) which are among the artificial intelligence methods in literature are used. These models were compared by using correlation coefficient (R), root of mean square errors (RMSE) and absolute mean error (MAE). When the measurement and model results were compared, support vector machines- radial basis function (SVM-RBF), support vector machines-polynomial kernel (SVM-PK) and generalized regression neural network (GRNN) models gave consistent results in the estimation of sediments content in rivers. SVM-RBF, SVM-PK and GRNN models can be offered as an alternative to classical methods.

Benzer Tezler

  1. Tez No

    798479

    Nehirdeki katı madde miktarının bulanık mantık ve geleneksel yöntemler ile tahmini ve karşılaştırılması

    Estimating and comparison of the amount of solid in the river with fuzzy logic and conventional methods

    FEYZULLAH DAYAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İnşaat Mühendisliğiİskenderun Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA DEMİRCİ

  2. Tez No

    143080

    Nehir enkesitindeki askı malzemesi miktarının bulanık mantık ile modellenmesi

    Modelling of suspended sediment yield in a river cross-section using fuzzy logic

    ÖZGÜR KİŞİ

    Doktora

    Türkçe

    Türkçe

    2003

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Su Mühendisliği Bilim Dalı

    PROF. DR. EMİN KARAHAN

    PROF. DR. ZEKAİ ŞEN

  3. Tez No

    444937

    Bulanık mantık modellenmesi kullanılarak nehirlerdeki askı maddesi miktarının tahmini

    Using fuzzy logic modelling suspended sediment estimation in river

    BESTAMİ TAŞAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İnşaat Mühendisliğiİskenderun Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA DEMİRCİ

  4. Tez No

    291162

    Laboratuar'dan saha ölçeğine katı madde hareketi taşınabilirliğinin araştırılması

    Research about trasnsferability of sediment trans-port from laboratory sacle to field scale

    YASHAR KARİMİZİNDASHTİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İnşaat MühendisliğiEge Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKMEN TAYFUR

    YRD. DOÇ. DR. CAHİT YERDELEN

  5. Tez No

    216028

    Akarsularda taşınan toplam katı madde miktarının yapay zeka metotları ile tahmin edilmesi

    Estimation of total sediment load in rivers using artificial intelligence methods

    EMRAH DOĞAN

    Doktora

    Türkçe

    Türkçe

    2008

    İnşaat MühendisliğiSakarya Üniversitesi

    İnşaat Mühendisliği Bölümü

    PROF. LÜTFİ SALTABAŞ

Geri Dön