Geri Dön

Optimizasyon teknikleri kullanılarak kuraklık hibrit tahmin modeli geliştirilmesi

Development of drought hybrid forecast model using optimization techniques

PDF İndir

  1. Tez No: 741008
  2. Yazar: ALİ ALKAN
  3. Danışmanlar: PROF. DR. MUSTAFA TOMBUL
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik Bilim Dalı
  13. Sayfa Sayısı: 165

Özet

İklim değişikliğinin neden olduğu unsurlardan biri de kuraklıktır. Kuraklık belirli bir bölgedeki yağış değerinin ortalama yağıştan daha az olduğunda meydana gelen, yer altı ve yer üstü su kaynaklarının yetersizliğinde oluşan doğal bir afettir. Kuraklık tahmini, su kaynaklarının yönetimi ve planlaması için önemlidir. Kuraklığı tanımlamak için Kuraklık İndeksleri kullanılmaktadır. Bu çalışmada Seyhan-Ceyhan Havzalarının Ocak 1989-Temmuz 2020 dönem aralığını kapsayan 14 meteoroloji istasyonu verileriyle 3, 4, 6 ve 12 aylık periyotlarda Standartlaştırılmış Yağış İndeksi (SYİ) ve Standartlaştırılmış Yağış Evapotranspirasyon İndeksi (SYEİ) ile kuraklık analizleri yapılmıştır. Genetik Algoritma kullanılarak SYİ değerleri hesap edilerek kuraklık tahmin modeli oluşturulmuştur. Daha sonra, farklı eğitim, test ve doğrulama oranlarıyla SYİ ve SYEİ tabanlı Yapay Sinir Ağı (YSA), Rastgele Orman (RO) ve Destek Vektör Makinesi (DVM) yöntemleri kullanılarak kuraklık tahminleri yapılmıştır. Çalışmanın son aşamasında, SYEİ temelli kuraklık tahmininde Ayrık Dalgacık Dönüşümü (ADD) ve Kalman Smooth Filtreleme (KSF) ön işleme teknikleri kullanılarak Yapay Sinir Ağları (YSA), Aşırı Gradyan Artırma (XGBoost), Destek Vektör Makinesi (DVM), Rastgele Orman (RO) ve En Yakın Komşu (K-NN) Algoritmaları ile de beş farklı hibrit model oluşturulmuştur. DVM ve XGBoost hibrit modellerinin sırasıyla, diğer ön işleme ve filtreleme teknikleriyle oluşturulan hibrit modellere göre daha iyi performans göstermiş oldukları tespit edilmiştir.

Özet (Çeviri)

One of the factors caused by climate change is drought. Drought is a natural disaster that occurs when the precipitation value in a certain region is less than the average precipitation and occurs when underground and surface water resources are insufficient. Drought forecasting is important for the management and planning of water resources. Drought Indices are used to define drought. In this study, drought analyses were carried out with Standardized Precipitation Index and Standardized Precipitation Evapotranspiration Index in 3, 4, 6 and 12-month periods with 14 meteorological station data covering the period January 1989-July 2020 of Seyhan-Ceyhan Basins. Drought prediction model was created by calculating Standardized Precipitation Index values using Genetic Algorithm. Then, drought forecasts were made using Artificial Neural Network, Random Forest and Support Vector Machine methods based on Standardized Precipitation Index and Standardized Precipitation Evapotranspiration Index with different training, test and validation rates. In the last stage of the study, five different hybrid models were created with Artificial Neural Networks, Extreme Gradient Boosting, Support Vector Machine, Random Forest and Nearest Neighbour algorithms using Discrete Wavelet Transform and Kalman Smooth Filtering preprocessing techniques for drought prediction based on Standardized Precipitation Evapotranspiration Index. Support Vector Machine and Extreme Gradient Boosting hybrid models were found to perform better than the hybrid models created with other preprocessing and filtering techniques, respectively.

Benzer Tezler

  1. Tez No

    881376

    Drought prediction based on meteorological data using ensemble machine learning techniques

    Topluluk tabanlı makine öğrenmesi teknikleri kullanılarak meteorolojik verilere dayalı kuraklık tahmini

    ERTUĞRUL ÖZÜPEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    MatematikGebze Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. NURİ ÇELİK

  2. Tez No

    634370

    Fabrication of nanostructured metal oxide materials and their use in energy and environmental applications

    Nanoyapılı metal oksit malzemelerin üretimi ve enerji ve çevre uygulamalarında kullanımı

    MEHMET DURMUŞ ÇALIŞIR

    Doktora

    İngilizce

    İngilizce

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Nanobilim ve Nanomühendislik Ana Bilim Dalı

    DOÇ. DR. ALİ KILIÇ

  3. Tez No

    823440

    Rüzgâr hızındaki doğrusal olmayan dinamikler ile baş edebilen gürbüz tahmin modeli

    Robust forecasting model coping with nonlinear dynamics in wind speed

    CANER BARIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYTAÇ ALTAN

  4. Tez No

    540371

    A new approach to guide early stages of building design to improve passive performance through the time-based thermal resilience metrics

    Binaların erken tasarım aşamasında pasif performansını zamana dayalı termal direnç ölçevlerine göre artırmak için yeni bir yaklaşım

    AYLİN ÖZKAN

    Doktora

    İngilizce

    İngilizce

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE ZERRİN YILMAZ

    PROF. DR. TED KESIK

  5. Tez No

    166869

    Optimum design of pin-jointed 3D dome structures using global optimization techniques

    Global optimizasyon teknikleri kullanılarak üç boyutlu mafsallı kubbe yapıların optimum tasarımı

    YAVUZ SARAÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. OĞUZHAN HASANÇEBİ

Geri Dön