Makina öğrenmesi yöntemleri ile havza çıkış debisi tahmini
Determination of outlet discharge in basin with machine learning methods
- Tez No: 743001
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER KOÇYİĞİT
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Meteorolojik kaynaklı afetlerden taşkınların verdiği zararlar hem ülkemizde hem de dünyada her geçen yıl artarak devam etmektedir. İklim değişimi, plansız şehirleşme vb. etkiler taşkınların görülme sıklığını ve verdiği zararları etkileyen en önemli parametrelerdir. Özellikle iklim değişimine bağlı olarak yağış rejimleri değişebilmektedir. Yağış rejimlerinin değişimi ise yağış şiddetleri, yağış miktarı ve mevsimsel rejimi etkilemektedir. Mühendislik hizmetleri, tasarlanacak sanat yapıları ve şehirleşme planlarını doğrudan etkileyen bu parametrelerin zamansal ve mekânsal değişimlerinin incelenmesi önemlidir. Literatürde yapılan çalışmalar incelendiğinde meteorolojik verilerin analizinin oldukça önemli olduğu görülmektedir. Bu nedenle yağış–akış ilişkisinin birlikte değerlendirildiği istatistiksel yöntemlerin yanı sıra Coğrafi Bilgi Sistemlerindeki alt yapı çalışmalarının kişisel bilgisayarlarda kullanıma uygun hale gelmesi ile birlikte makine öğrenme yöntemleri tahmin modellerinin geliştirilmesi ve kullanımı da artmıştır. Bu tez çalışması kapsamında sıkça taşkınların yaşandığı, can ve mal kayıplarına neden olan Batı Karadeniz Bölgesinde yer alan Bartın havzası çalışma alanı olarak seçilmiştir. Çalışmanın amacı, meteorolojik veriler ile akış debileri arasındaki ilişkileri makine öğrenme yöntemlerinden Yapay Sinir Ağları, K-Means Kümeleme Yöntemi ve Destek Vektör Regresyon yöntemlerini kullanarak araştırmaktır. Çalışmada Makine Öğrenme yöntemlerinin dışında Moulheli (2003) tarafından geliştirilen GR2M modeli de kurulmuştur. Elde edilen analiz sonuçları ve mevcut akım gözlem istasyon verileri, Kök Ortalama Kare Hata (RMSE), Nash-Sutcliffe Etkinlik Katsayısı (NSE) ve Determinasyon Katsayısı (r2) ile birlikte değerlendirilmiştir. Çalışmada kullanılan yöntemlerin hem tekil olarak çalıştırılmış sonuçları hem de birlikte kullanımları durumunda elde edilen sonuçlar değerlendirilmiştir. Özellikle Yapay Sinir Ağları ve K-Means Kümeleme yöntemlerinin birlikte kullanımı ile edilen tahmin sonuçları diğer model tahmin sonuçlarına göre daha az hata üretmiştir.
Özet (Çeviri)
Floods, one of the meteorological disasters are steadily increasing each year both in Turkey and in the World due to variety of reasons such as climate change, unplanned urbanization etc. Frequency and damage magnitudes of the floods are directly related those emphasized subjects. Especially, precipitation regimes may alter due to climate change. Variation in the seasonal storms also affects precipitation intensities as well as amount of total precipitation and seasonal regimes. Therefore, academic studies need to be carried out in order to understand what kind of relations exist between discharges at basin outlet versus the temporal and the spatial variations of hydrological parameters. As can be seen from the literature review, studies that focus on investigating the relationship between precipitation and runoff are largely dependent on the analysis of meteorological data. In addition to the most common conventional statistical approaches in which the precipitation-flow relationship is evaluated together, due to its strong ability to compress information and extract features from large data quantities, machine learning methods with the use of the Geographical Information System have had more application areas on Hydrology. Within the scope of this thesis, the Bartın basin, which is located in the Western Black Sea Region, where flood problem is encountered often causes loss of life and property, has been chosen as the case study area. In this study, of the machine learning methods such as Artificial Neural Networks, K-Means Clustering Method and Support Vector Regression were used in order to correlate meteorological parameters versus the discharge of the river. Apart from machine learning methods, the GR2M model developed by Moulheli (2003) was also tested for the same purpose. The results obtained by model analysis and available observation station data were evaluated together with the Root Mean Square Error (RMSE), the Nash-Sutcliffe Efficiency Coefficient (NSE) and Coefficient of Determination (r2). In addition to the individual results of any methods used in the study, combination use of the methods were also tested. It has been concluded that the results particularly obtained with the combine use of Artificial Neural Networks and K-Means Clustering methods have better estimation than other outcomes. Detailed analysis of other the results are presented in the thesis.
Benzer Tezler
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Havacılık sektöründe uçuş gecikmelerinin makine öğrenmesi temelli analizi ve tahmini
Machine learning based analysis and prediction of flight delays in aviation industry
IRMAK DALDIR
- Makine öğrenmesi ile gemi makinelerinin hata analizi
Fault analysis of ship machines with machine learning
FUNDA KAYA İNCEİŞÇİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA AK
PROF. DR. VEDAT TOPUZ
- Detection of air bubbles from tire sherography images using machine learning and deep learning techniques
Makina öğrenmesi ve derin öğrenme teknikleri kullanarak, lastik sherografı resimlerinden lastik katmanları arasındaki hava kabarcıklarının tespitinin yapılması
NAGMY ALI ABDULGANI SALEH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
- Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors
Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama
ALPER SENEM
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL