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: Belirtilmemiş.
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
- Akdeniz bölgesindeki akımların tahmini için akıllı sistemlerin uygulanması
Application of intelligent systems for flows forecasting in region of mediterranean
EMİNE DİLEK TAYLAN
Doktora
Türkçe
2008
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. M. EROL KESKİN
- Toplu taşıma hatlarının optimizasyonu için bir model önerisi: Sivas örneği
A model proposal for the optimization of public transportation lines: The case of Sivas
İSMAİL ÖZÇELİK
Yüksek Lisans
Türkçe
2026
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ONUR TEZCAN
- Unveiling the performance of pre-processing approaches in machine learning based flood susceptibility mapping
Makine öğrenmesi tabanlı sel duyarlılık haritalamasında ön işleme yöntemlerinin performansının açıklanması
NİHAL GÜLCAN
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER EKMEKCİOĞLU
- İşçilik maliyetleri muhasebesi ve Türkiye Şeker Fabrikaları A.Ş. Ankara makina fabrikası uygulaması
Başlık çevirisi yok
GÖKHAN ÖZER