Yapay zekâ yöntemleri ile Fırat Havzası yağış-akış ilişkisinin belirlenmesi
Determination of rainfall-runoff relationship in Euphrates Basin with artificial intelligence methods
- Tez No: 632899
- Danışmanlar: DOÇ. DR. VEYSEL GÜMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2011
İnşaat MühendisliğiFırat Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. EMİN EMİROĞLU
- 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
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- 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
- 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
2023
Çevre MühendisliğiGazi ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
PROF. DR. SEMRA BENZER
- 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
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALEV TAŞKIN