Eksik akış kayıtlarının tahmini için tekrarlayan sinir ağlarının uygulanabilirliği
Applicability of recurrent neural networks for prediction of missing flow records
- Tez No: 716083
- Danışmanlar: DOÇ. DR. ARZU TEKSOY, PROF. DR. SABAHATTİN SIDDIK CİNDORUK, DR. ÖĞR. ÜYESİ SAADET HACISALİHOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Mühendisliği Bilim Dalı
- Sayfa Sayısı: 63
Özet
Nehir akış kayıtlarının saklanması, optimum su kaynağı yönetimi uygulamalarının sağlanması ve ekohidrolojik dengenin korunması için birincil koşuldur. Bazı nehir akış ölçüm istasyonları özellikle ülkenin kırsal ve uzak bölgelerinde çeşitli teknik sorunlar veya beklenmedik problemler nedeniyle kesintili olarak hizmet dışı kalabilmektedir. Böylelikle nehir akış kayıtlarının bir kısmı kaybolabilmektedir. Bu bağlamda yapılan bu tez çalışmasında, Bursa'da Orhaneli Nehri üzerinde bulunan Dağgüney istasyonun günlük nehir akış verilerinin tahmin edilmesi için destekleyici bir yaklaşım olarak tekrarlayan sinir ağlarının (TSA) uygunluğu araştırılmıştır. Elde edilen bulgular TSA'nın sınırlı sayıda girdi verisi olsa bile belli dönemlerde iyi ve çok iyi tahminler sağlama potansiyelini göstermiştir. Çalışmanın sonucunda R2¬=0,875 olarak bulunmuştur. Ayrıca, tüm tahmini akışlar ve tüm gerçek kayıtlar için tahmini KOKH değerleri sırasıyla 14,7 m3/s ve 15,59 m3/s, tahmin modeli için Nash-Sutchliff verimliliği NSV değeri ise 0,871 olarak bulunmuştur. Bu sonuçlar TSA'nın umut verici olduğunu ve uzak bölgelerdeki sel ve kuraklıkların olası dönemlerini tahmin etmek ve klasik yaklaşımları kullanmak yerine eksik kayıtları hesaplamak için TSA'nın pratik bir yöntem olarak değerlendirilebileceğini göstermiştir.
Özet (Çeviri)
Acquiring river flow records is the primary prerequisite for providing optimum water resource management practices and preserving the ecohydrological balance. Some river flow measurement stations may be out of service intermittently due to various technical problems or unexpected difficulties. Consequently, some of the river flow records may be lost especially in rural and remote areas of the country. In this context, the suitability of recurrent neural networks (RNN) as a supportive approach for estimating daily river flow data of Dağgüney station located on the Orhaneli River in Turkey was investigated in this thesis. The findings showed the potential of RNN in providing good and very good predictions in some periods, even with a limited number of input data. As a result of the study, R2¬=0.875 was found. In addition, RMSE values for all estimated flows and all actual records respectively were found to be 14,7 m3/s and 15.59 m3/s. The Nash-Sutcliffe efficiency NSE value for the forecast model was 0.871. These results suggested that RNN are promising and may be considered as a practical method to predict the likely periods of floods and droughts in remote areas and interpolate missing records instead of using classical approaches.
Benzer Tezler
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Developing of a groundwater flow model for the area between Terkos lake and Canal Istanbul using GIS, remote sensing and numeric groundwater modelling
Terkos gölü ile Kanal İstanbul arasındaki bölge için CBS, uzaktan algılama ve sayısal yöntemlerle yeraltı suyu akış modelinin geliştirilmesi
KHANSAA ABDULELAH AHMED AHMED
Doktora
İngilizce
2020
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Direct pore-based identification for fingerprint matching process
Parmak izi kimliklendirme sürecincde por temellieşleştirme sistemi
VEDAT DELİCAN
Doktora
İngilizce
2023
Adli Tıpİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Boru içi akışlarda basınç kayıplarının incelenmesi
Investigation of pressure loss in pipe flow
SİNAN ARACI
Yüksek Lisans
Türkçe
2018
Gemi MühendisliğiYıldız Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER KEMAL KINACI
- Yüksek güç tüketen elektronik bileşenlerin doğrudan hava akışı ile soğutulmasına kanatçık geometri etkisinin incelenmesi
Investigation of the effect of fin geometry on the cooling of high power consuming electronic components by air flow through
YUSUF TEKİN
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUHİTTİN BİLGİLİ