Comparison of different deep learning optimizations in river flow prediction
Nehir akım tahmininde farklı derin öğrenme iyileştiricilerinin karşılaştırılması
- Tez No: 668917
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN ÇAĞAN KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: ANN, Derin Öğrenme, Nehir Akımı, Akım Gözlem İstasyonu, ANN, Deep learning, River Stream, Flow Measurement Station
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Hasan Kalyoncu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Yüzyıllardan beri insan hayatının en önemli yaşam kaynağı, sudur. Artan nüfus sebebi ile yeryüzünde suya olan ihtiyaç gün geçtikçe artmaktadır. Bu artışın aksine su kaynakları; küresel ısınma, kuraklık, iklim değişiklikleri, plansız tüketim sebebi ile azalarak sürdürülebilirliğini kaybetmektedir. Sürdürülebilirliğin sağlanması için nehir akımlarının ileriye dönük tahmini büyük önem kazanmaktadır. Tahminler doğru yapılır ise; suyun ileriye dönük yönetimi, işletilmesi, depolanması ve doğru kullanılması açısında büyük gelişmeler kaydedilebilmektedir. Son zamanlarda nehirlerde biriken suların girdi-çıktı hesabı ileriye dönük yapay zekâ teknikleri ile tahmin edilmektedir. Yapılan tahminlerin uzun süreli olması su kaynaklarının canlılar, sulama, hidroelektrik enerji üretimi ve suyun gelecek nesillere aktarılması için hem üreticiye hem de kullanıcıya uygun planlama imkânı sağlamaktadır. Bu çalışmada, ülkemizdeki en geniş havza olan Fırat Nehri Havzasında seçilen bir Akım Gözlem İstasyonunda (AGİ), 2002-2011 yılları arasında yapılan akım ölçümleri analiz edilmektedir. Bu analizde, Yapay Zekâ tekniklerinden Yapay Sinir Ağları ve Derin Öğrenme iyileştiricileri kullanılmaktadır. Yine bu analizde 4 farklı senaryo modeli kullanılmış olup istatistiksel açıdan en anlamlı senaryo olan Adam iyileştiricisi için Logcosh kayıp fonksiyonunda R²=0,9923 değeri elde edilmiştir. Modelin istatistiksel başarısı bu havza üzerinde oluşacak yeni girdi parametrelerini çok daha doğru ve kolay tahmin edilmesini sağlayacak ve ayrıca bu alanda yapılacak diğer çalışmalara da ışık tutacaktır.
Özet (Çeviri)
Water is the most important source of life in human life for centuries. Due to the growing population, the need for water on earth is increasing day by day. In contrast to this increase, water resources; global warming, drought, climate changes, unplanned consumption is desiphering and losing sustainability. The forward forecast of river flows is of great importance in order to ensure sustainability. If the predictions are made correctly; major improvements can be made in the future management, operation, storage and correct use of water. The input-output account of the waters that have recently rened in rivers is predicted by forward-looking artificial intelligence techniques. The long-term estimates provide suitable planning for both the producer and the user for the production of water resources for living beings, irrigation, hydroelectric power generation and the transfer of water to future generations. In this study, flow measurements made obtained 2002-2011 at a selected FMS in the Euphrates River Basin, the largest basin in our country, are analyzed. In this analysis, Artificial Neural Networks and Deep Learning enhancers are used. Also in this analysis, 4 different scenario models were used and R²= 0.9923 in Adam optimizer and Logcosh loss function for the most statistically significant scenario. The statistical success of the model will provide much more accurate and easy estimation of the new input parameters that will occur on this basin, and will also shed light on other studies in this area.
Benzer Tezler
- Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini
Solar radiation forecasting using system identification machine learning and deep learning models
GÖKSEL KADER
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- Comprehensive comparison of different early bearing fault detection techniques
Farklı rulman erken arıza tespit tekniklerinin kapsamlı karşılaştırılması
MOHAMED ELARABY ABDOU SOLIMAN ELGALLAD
Yüksek Lisans
İngilizce
2024
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. KEMALETTİN ERBATUR
- Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma
Generating image hash codes with deep reinforcement learning method
ELİF AKKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı
NeuroEvolutionary approach to electroencephalography (EEG) signal classification
ERDEM AYBEK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİÇ ÇETİN
- Yapay sinir ağları ile optik karakter tanıma
Optical character recognition with artificial neural network
MURATCAN UZTEMUR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN SÜMER