Geri Dön

Sakarya havzasına ait su kalitesi parametrelerinin yapay zekâ yöntemleri ile modellenmesi

Modeling the water quality parameters of Sakarya basin with artificial intelligence methods

  1. Tez No: 742324
  2. Yazar: YUSUF ÖZEREN
  3. Danışmanlar: DOÇ. DR. HATİCE ÇITAKOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Sakarya Havzası, Su Kalitesi Parametreleri, Çözünmüş Oksijen, Yapay Zekâ Yöntemleri, YSA, DVM, GSR, Sakarya Basin, Water Quality Parameters, Dissolved Oxygen, Artificial Intelligence Methods, ANN, SVM, GPR
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

Özet

Yaşam için en önemli kaynaklardan birisi olan su, yeryüzünde kısıtlı miktarda bulunmakta ve ne yazık ki hızlı nüfus artışı, tarımsal ve endüstriyel faaliyetler neticesiyle kirletilmekte ve bu durum telafisi zor durumlara neden olmaktadır. Su kalitesinin izlenmesi çalışmalarında çözünmüş oksijen (ÇO) parametresi önemli bir yere sahiptir. Birçok alanda kullanılan yapay zekâ teknikleri, su yönetim sürecinde de kullanılmakta ve“su kalitesi”alanındaki çalışmaların sonuçlarında önemli kazanımlar sağlamaktadır. Bu çalışmada, Sakarya Havzası'nda bulunan gözlem istasyonlarına ait 1995–2014 yılları arasındaki; Şubat, Nisan, Haziran, Ağustos ve Kasım aylarında ölçülmüş su kalitesi parametrelerine ait veriler ile ÇO değerinin Yapay Sinir Ağları (YSA), Derin Öğrenme (DÖ), Destek Vektör Makinesi (DVM) ve Gauss Süreç Regresyon (GSR) yöntemleri ile modellemesi yapılmıştır. Modellerde giriş verisi olarak; biyolojik oksijen ihtiyacı (BOİ), sıcaklık (T), elektriksel iletkenlik (Eİ), aylar ve pH kullanılmış olup, çıkış verisi ÇO parametresidir. Modellerin tahmin performanslarını ölçmek için, Kök Ortalama Karesel Hata (KOKH), Ortalama Mutlak Hata (OMH), determinasyon katsayısı (R2) ve Nash-Sutcliffe verimlilik katsayısı (NSE) değerleri göz önünde bulundurulmuştur. Ayrıca, Taylor ve Violin diyagramları yardımıyla ölçülmüş veriler ile modellerden elde edilen değerlerin birbirine ne kadar yakın olduğu incelenmiştir. Bu çalışmada, modeller içerisinde en iyi performansa ulaşabilmek için birçok deneme-yanılma yapılmış ve yapılan analizler sonucunda YSA modeli, diğer yöntemlere göre daha iyi sonuç vermiştir. Ayrıca kullanılan yöntemlerin etkinliği Kruskal-Wallis (KW) testi ile kanıtlanmıştır.

Özet (Çeviri)

Water, which is one of the most important resources for life, is found in a limited amount on earth and unfortunately it is polluted as a result of rapid population growth, agricultural and industrial activities, and this situation causes difficult situations. The dissolved oxygen (DO) parameter has an important place in the monitoring of water quality. Artificial intelligence techniques used in many fields are also used in the water management process and provide significant gains in the results of studies in the field of“water quality”. In this study, between the years 1995-2014, the observation stations in the Sakarya Basin; the data of the measured water quality parameters in February, April, June, August and November and the DO value were modeled using Artificial Neural Networks (ANN), Deep Learning (DL), Support Vector Machine (SVM) and Gaussian Process Regression (GPR) methods. As input data in models; biological oxygen demand (BOD), temperature (T), electrical conductivity (EC), months and pH are used and output data is DO parameter. In order to measure the estimation performance of the models, Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), coefficient of determination (R2) and Nash-Sutcliffe coefficient of efficiency (NSE) values were taken into consideration. In addition, it was examined how close the measured data and the values obtained from the models were to each other with the help of Taylor and Violin diagrams. In this study, in order to reach the best performance among the models, many trial and error were made and as a result of the analyzes, the ANN model gave better results than other methods. In addition, the effectiveness of the methods used has been proven by the Kruskal-Wallis (KW) test.

Benzer Tezler

  1. Ergene nehri havzasında biyolojik oksijen ihtiyacının yapay sinir ağları ile modellenmesi

    Modeling of biochemical oxygen demand in the Ergene river basin with artificial neural networks

    MÜGE KARAMUSTAFA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiSakarya Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. EMRAH DOĞAN

  2. Sapanca havzası yan dereleri ve Sapanca Gölü'ndeki fosfor yüklerinin belirlenmesi

    Determination of phosphorus loads in Sapanca basin tributaries and Lake Sapanca

    SEDA TÜNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Çevre MühendisliğiSakarya Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT ŞENGÖRÜR

  3. Multivariate analysis of water quality data

    Başlık çevirisi yok

    NAZİRE MAZLUM

    Yüksek Lisans

    İngilizce

    İngilizce

    1994

    Çevre MühendisliğiDokuz Eylül Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADEM ÖZER

  4. Akarçay ve sakarya havzalarında bulunan göllerin fitoplankton komunite yapısının çevresel değişkenler ile karşılaştırılması

    Comparison of the phytoplankton community structure of the lakes in akarçay and sakarya basins with environmental variables

    UĞUR GÜZEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyolojiSakarya Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. TUĞBA ONGUN SEVİNDİK

  5. Sapanca gölü'nün su ve sedimentinin pestisit kirliliği açısından incelenmesi

    Investigation of the lake of Sapanca water and sediment in terms of pesticide pollution

    MERYEM AKSU

    Doktora

    Türkçe

    Türkçe

    2023

    Çevre MühendisliğiSakarya Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL AYHAN ŞENGİL