Bir nehir sistemi için en uygun su kalitesi izleme ağının tasarımını genetik algoritma ve yapay sinir ağı kullanılarak gerçekleştirecek, web tabanlı bir yazılımın geliştirilmesi
Development of a web-based software for realizing the optimal water quality monitoring network for a river system using genetic algorithm and artificial neural network
- Tez No: 716135
- Danışmanlar: PROF. DR. ÇETİN CÖMERT
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 197
Özet
Su kalitesi alanında onlarca yıllık faaliyetlere rağmen, su kalitesi istasyonlarının yerleri halen birçok durumda ampirik yöntemlerle tespit edilmektedir. Bu çalışmanın temel amacı,NSGA-II algoritması, coğrafi bilgi sistemi teknolojisi ve açık kaynaklı araçları kullanarak nehirlerdeki su kalitesi izleme istasyonları ağının etkin tasarımı için web tabanlı bir uygulama geliştirmektir. Sonuç olarak, kullanıcılar bu programı masaüstü tabanlı uygulamaları kullanma sorunu ve bunları kullanmanın karmaşıklığı olmadan yalnızca internet ve web tarayıcısına erişimle programı kolayca kullanabilirler. Bu amaçla öncelikle nehir suyu kalite izleme istasyonları ağının tasarımında izlemenin genel hedefleri belirlendi ve fitness fonksiyonu tasarlandı. Ardından Visual Studio ortamında C# programlama dili kullanılarak bir web tabanlı uygulama gerçekleştirildi. Bu web tabanlı uygulama gerekli verileri Shapefile formatında alır ve NSGA-II uyguladıktan sonra web ve harita üzerinde su izleme istasyonlarının optimal yerlerini gösterir. Su kalitesi izleme istasyonlarının optimal yerlerini bulmak için,NSGA-II algoritma farklı nesil sayısında çalıştırıldı. 2500 neslinde Pareto optimal cevaplar elde edildi.NSGA-II sonuçları ile Analitik Hiyerarşik süreç ve Bulanık Mantık yöntemlerinin sonuçları karşılaştırıldığında, bu yöntemlerin sonuçlarının büyük ölçüde uyumlu olduğu gözlemlendi. Bir sonraki adımda, nehir suyu kalitesi izleme istasyonları optimal yerlerin bulunmasını hızlandırmak için GA ile optimize edilmiş çok katmanlı Perceptron sinir ağı (MLP) kullanıldı, Ve MLP sonuçları, NSGA-II sonuçları ile istatistiksel göstergelerle değerlendirildi. Momentum öğrenme kuralı ve Conjugate Gradiant öğrenme kuralı ile MLP sonuçları, 0.185 ve 0.163 hatalarla NSGA-II sonuçlarına benzer sonuçlar gösterdi.
Özet (Çeviri)
Despite decades of activities in the field of water quality, the locations of water quality stations are still in many cases empirically determined. The main purpose of this study is to develop a web-based application for the effective design of a network of water quality monitoring stations in rivers using the NSGA-II, geographic information system, and open-source tools. As a result, users can easily use this program with only Internet and web browser access without the complexity of using desktop-based applications. For this purpose, in the design of the river water quality monitoring stations network, the general objectives of the monitoring were determined and the fitness function was designed. Then, a web-based application was implemented using the C# programming language in the Visual Studio environment. This web-based application receives the necessary data in Shapefile format and displays the optimal locations of water monitoring stations on the web and on the map after applying NSGA-II. To find the optimal locations of the water quality monitoring stations, the NSGA-II was run for different generations. Pareto optimal solutions were obtained in the 2500 generation. With the results of NSGA-II being compared with the results of Analytical Hierarchical Process and Fuzzy Logic methods, it was observed that the results of these methods were largely compatible. In the next step, a GA optimized multilayer Perceptron neural network (MLP) was used to accelerate the finding of optimal locations for river water quality monitoring stations, and the MLP results were evaluated by statistical indicators with the NSGA-II results. MLP results with momentum learning rule and Conjugate Gradient learning rule showed similar results to NSGA-II results with errors of 0.185 and 0.163.
Benzer Tezler
- Aksu çayı ve Acısu deresi su kalitesinin su kalite indeksleri kullanılarak değerlendirilmesi
Water quality assessment of Aksu stream and Acısu creek using water quality indices
AYŞENUR USLU
Yüksek Lisans
Türkçe
2022
Çevre MühendisliğiAkdeniz ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE MUHAMMETOĞLU
- Assessment of water quality and aquatic diversity of an open-pit gold mine area using random forest algorithm with Google Earth engine
Google Earth engine ile rastgele orman algoritması kullanılarak açık ocak altın madeni su kalitesi ve sucul canlılık çeşitliliğinin değerlendirilmesi
ŞENER ALKAN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- The use of integrated geophysical methods for groundwater exploration in ghana
Gana bölgesinde yeraltı suyu araştırmaları için entegre jeofizik yöntemlerin kullanılması
HAFİZ MOHAMMED NAZİFİ
Yüksek Lisans
İngilizce
2015
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
Prof. Dr. LEVENT GÜLEN
- GIS for watershed management
Havza yönetimi için CBS
RAWAA A.FATAH ABDULHUSSEIN
Yüksek Lisans
İngilizce
2017
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZGÜR DOĞRU
- Modeling of nutrient emissions in Köyceğiz Lake-Dalyan Lagoon watershed-application of the MONERİS model
Köyceğiz Gölü-Dalyan Lagün havzasından kaynaklanan nütrient yüklerinin modellenmesi-MONERİS modeli uygulaması
NAHİDE İLKNUR ADALI
Yüksek Lisans
İngilizce
2004
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF.DR. ETHEM GÖNENÇ