Geri Dön

Comparison of different deep learning optimizations in river flow prediction

Nehir akım tahmininde farklı derin öğrenme iyileştiricilerinin karşılaştırılması

  1. Tez No: 668917
  2. Yazar: CEM CEYLAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN ÇAĞAN KILINÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: ANN, Derin Öğrenme, Nehir Akımı, Akım Gözlem İstasyonu, ANN, Deep learning, River Stream, Flow Measurement Station
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Hasan Kalyoncu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÖNDER GÜLER

  2. 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

    İngilizce

    2024

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. KEMALETTİN ERBATUR

  3. Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma

    Generating image hash codes with deep reinforcement learning method

    ELİF AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI

  4. Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı

    NeuroEvolutionary approach to electroencephalography (EEG) signal classification

    ERDEM AYBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİÇ ÇETİN

  5. Yapay sinir ağları ile optik karakter tanıma

    Optical character recognition with artificial neural network

    MURATCAN UZTEMUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. AFİFE LEYLA GÖREN SÜMER