Yağış – akış ilişkisinin yapay sinir ağları ve otoregresif hareketli ortalamalar modelleri ile tahmini
Prediction of rainfall - runoff relation with artificial neural networks and autoregressive moving average models
- Tez No: 643505
- Danışmanlar: DOÇ. DR. MUSTAFA DEMİRCİ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Su kaynaklarının daha verimli kullanılması, havza yönetimi ve afetlerin engellenmesi amacıyla yapılan su yapıları planlamasında, akış verilerinin tahmini büyük bir önem taşımaktadır. Planlama aşamasında kullanılacak verilerin eksiksiz ve tutarlı olması, planlama ve tasarım süreçlerinin verimini artıracak, daha güvenilir sonuçlar alınmasına olanak tanıyacaktır. Yağış - akış modellemelerinde, verilerin tahmini için kullanılan geleneksel yöntemler yetersiz kalabilmektedir. Bu nedenle eksik veya gelecekteki akışın tahmini için bir çok alternatif yöntem geliştirilmiştir. Bu çalışmada Amerika Birleşik Devletleri Waltham Massachusetts'te yer alan Stony Brook Rezervuarı'ndan elde edilen veriler kullanılarak yağış – akış modelleri oluşturulmuştur. 731 günlük yağış, akış ve sıcaklık bilgilerini içeren bu veriler İleri Beslemeli Geri Yayılımlı Sinir Ağı (İBGYSA), Çoklu Doğrusal Regresyon (ÇDR) ve Otoregresif Hareketli Ortalamalar (ARMA) yöntemlerinde girdi verisi olarak kullanılmıştır. Elde edilen akış verileri gerçek ölçüm sonuçları ile karşılaştırılarak bu üç yöntem değerlendirilmiştir. YSA yöntemi bu akış verilerinin tahmininde %92'nin üzerinde uyumluluk göstermiştir.
Özet (Çeviri)
In terms of efficient use of water resources and prevention of disasters, rainfall and runoff relation is very important. Complete and consistent data increases the efficiency of planning and design processes and ensures more reliable results. In rainfall - runoff modeling, traditional methods for estimating data may be insufficient. Therefore, many alternative methods have been developed for the prediction of missing or future runoff. In this study, the data obtained from USA Waltham Massachusetts Stony Brook Reservoir was used. 731 days of rainfall, runoff and temperature data were used to generate input data in the Feed Forward Backpropagation Neural Network (FFBNN), Multiple Linear Regression (MLR) and Autoregressive Moving Average (ARMA) models. The results obtained were compared with the actual results. As a result, it was found that the ANN method is more than 92% compatibility in estimating these current data.
Benzer Tezler
- Şizofreni hastalarında içgörü ile depresyon ve suisid ilişkisi
The correlation between insight, depression and suicidality in schizophrenic patients
GÖKHAN UMUT
Tıpta Uzmanlık
Türkçe
2010
PsikiyatriSağlık BakanlığıPsikiyatri Ana Bilim Dalı
DOÇ. DR. NESRİN KARAMUSTAFALIOĞLU
- Çocuk kalp damar cerrahisi yoğun bakım ünitesinde postoperatif kavşak kaynaklı ektopik taşikardi; sıklık ve risk faktörleri
Junctional ectopic tachycardia after pediatric cardiac surgery; incidence and outcome
NESLİHAN KIPLAPINAR
Tıpta Yan Dal Uzmanlık
Türkçe
2013
Göğüs Kalp ve Damar CerrahisiSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ENDER ÖDEMİŞ
- İskemik serebrovasküler hastalıkta metabolik sendrom sıklığı ve karotis intima-media kalınlığı ilişkisi
The frequency of metabolic syndome in ischemic cerebrovascular disease and the relation of carotid intima-media thickness
EDA ÇOBAN
- Peptik ülser perforasyonunda morbidite ve mortaliteye etkili risk faktörleri
Perforated peptic ulcer: Risk factors for morbidity and mortality
İLHAN TAŞ
Tıpta Uzmanlık
Türkçe
2012
GastroenterolojiDicle ÜniversitesiGenel Cerrahi Ana Bilim Dalı
YRD. DOÇ. DR. AKIN ÖNDER
- Dirençli gram negatif basillerin neden olduğu toplum ve hastane kökenli kan akımı enfeksiyonları
Community-acquired and hospital-acquired antibiotic-resistant gram-negative bacilli bloodstream infections
TÜRKAN AYDIN TEKE
Tıpta Yan Dal Uzmanlık
Türkçe
2014
Çocuk Sağlığı ve HastalıklarıSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. NACİYE GÖNÜL TANIR