Geri Dön

Yapay zekâ yöntemleri ile Fırat Havzası yağış-akış ilişkisinin belirlenmesi

Determination of rainfall-runoff relationship in Euphrates Basin with artificial intelligence methods

  1. Tez No: 632899
  2. Yazar: İBRAHİM HALİL İFŞAAT
  3. Danışmanlar: DOÇ. DR. VEYSEL GÜMÜŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Harran Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 200

Özet

Bu tez çalışmasında, Türkiye'nin en önemli su havzalarından biri olan Fırat Havzası sınırları içerisinde bulunan 28 akım gözlem istasyonuna (AGİ) ait aylık ortalama akım değerleri, Theissen çokgenleri yardımıyla eşleştirilen meteoroloji gözlem istasyonlarına (MGİ) ait aylık toplam yağış verileri kullanılarak tahmin edilmiştir. Yağış ile akış arasındaki ilişkinin kurulmasında Yapay Sinir Ağları (YSA), Genexpresyon programlama (GEP) ve Çoklu Doğrusal Regresyon (ÇDR) yöntemleri kullanılmıştır. Kullanılan yöntemlerin akım değerlerini belirlemede performansını belirlemek için Ortalama Karesel Hata (OKH), Ortalama Mutlak Göreceli Hata (OMGH) ve belirlilik katsayısı (R2) parametreleri kullanılmıştır. Çalışma sonucunda, toplam 28 istasyon için yapılan akım tahminlerinde ÇDR yöntemi 2 istasyonda, GEP yöntemi 12 istasyonda, YSA yöntemi ise 14 istasyonda en başarılı model olmuştur. Özellikle ilişkiyi lineer olmayan şekilde tanımlayan GEP ve YSA yöntemlerinin yağış ile akış arasındaki ilişkiyi belirlemede oldukça başarılı olduğu görülmüştür.

Özet (Çeviri)

In this study, monthly average streamflow values from 28 streamflow gauge station in Euphrates basin, which is Turkey's most important watershed, are estimated from monthly total precipitation data obtained from meteorological observation stations in the basin paired with Theissen polygons. Artificial Neural Networks (ANN), Genexpression programming (GEP) and traditional Multiple Linear Regression (MLR) methods are used to determine the relationship between rainfall and runoff. Mean Square Error (MSE), Mean Absolute Relative Error (MARE) and determination coefficient (R2) parameters are used as performance criteria to determine best method for estimate the streamflow values. As a result of the study, MLR, GEP and ANN methods are the most successful model at 2, 12 and 14 stations, respectively between 28 stations. Especially GEP and ANN methods, which define the relationship nonlinearly, have been found to be very successful in determining the relationship between rainfall and runoff

Benzer Tezler

  1. Fırat-Dicle havzasında günlük nehir akımlarının faklı yapay zeka yöntemleri ile tahmini

    Prediction of daily river flows in Firat-Dicle basin using different artificial intelligence methods

    ALİ GÜNDÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İnşaat MühendisliğiFırat Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. M. EMİN EMİROĞLU

  2. Modern yöntemlerle korelasyon, mesafe, yükseklik matrisi tabanlı yağış tahmin modelleri

    Precipitation prediction of correlation, distance, elevation matrix based models by modern methods

    KÜBRA KÜLLAHCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  3. 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

    İngilizce

    2021

    İnşaat MühendisliğiHasan Kalyoncu Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ÇAĞAN KILINÇ

  4. Büyük Menderes Havzası su kalite parametrelerinin incelenmesi ve yapay zekâ yöntemleri ile modellenmesi

    Analizing the water quality parameters in the Büyük Menderes Basin and modeling by artificial intelligence methods

    FARID HASSANBAKI GARABAGHI

    Doktora

    Türkçe

    Türkçe

    2023

    Çevre MühendisliğiGazi Üniversitesi

    Çevre Bilimleri Ana Bilim Dalı

    PROF. DR. SEMRA BENZER

  5. Kentsel ani sel felaketlerine karşı mücadelede yapay zeka tabanlı bir karar destek sistemi

    An artificial intelligence-based decision support system for urban flash flood disaster response

    İREM KARAKAYA

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALEV TAŞKIN