Yağmur suyu ızgaralarının hidrolik verimliliğinin makine öğrenmesi yöntemleriyle modellenmesi
Modeling of hydraulic efficiency of storm water grate inlets by machine learning methods
- Tez No: 785163
- Danışmanlar: PROF. DR. MEHMET ÖZGER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, İnşaat Mühendisliği, Engineering Sciences, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
- Sayfa Sayısı: 137
Özet
Kentler geçmişten günümüze insanlığın gelişimi ile paralel bir şekilde gelişmiş bu gelişmeler kentlere dair yeni inovasyonları getirmiştir. Bu inovatif süreçte kentlerin inşasında düşük geçirimli malzeme kullanımının da artması zamanla yoğun yağış durumlarının daha da sorunlu hale gelmesine sebep olmuş, yağış durumlarında gelen su muhtevasının sel gibi sorunlara sebebiyet vermeden daha kontrol edilebilir alanlara aktarılması için kentsel drenaj sistemlerinin tasarımındaki kullanılan ızgara tipinden, kanalizasyon borularına kadar her ayrıntı önemli hale gelmiştir. Yolda bulunan enine ve boyuna eğimlerden, bölgenin iklim ve zemin şartlarına, bölgedeki nüfus yoğunluğundan, kent planlamasındaki ayrıntılara kadar birçok koşul drenaj sisteminin tasarımında önemle dikkate alınır. Bu çalışmada bu ayrıntılar göz önünde bulundurularak yapılan deney çalışmasında drenaj sisteminde kullanılan birbirinden farklı 6 adet ızgara tipinin yakaladığı su muhtevası verilerini elde etmek ve bu verileri Makine öğrenmesi regresyonu ile değerlendirmek amaçlanmıştır. Öncelikle kentsel drenaj sistemleriyle ilgili geçmişten günümüze yapılan tüm deneysel çalışmalar incelenmiş ve bu çalışmaların ayrıntısı hakkında bilgi verecek özetler çıkarılmıştır aynı zamanda bu ayrıntılara daha kolay vakıf olunabilmesi adına bir tablo oluşturulmuş ve tabloda çalışmaların kim veya kimler tarafından ne zaman yapıldığı, teste tabi tutulan giriş tipi, kullanılan ızgara veya konfigürasyon sayısı, oluşturulan deney düzeneği özellikleri, formülasyon tipleri ve önerilen denklemler hakkında bilgiler verilmiştir. Daha sonra kentsel drenaj sistemleriyle ilgili ayrıntılı bir araştırma yapılmış sistemlerin tasarımında önemli olan ayrıntılar incelenmiştir. Kentsel drenaj sistemlerinin tüm bileşenleri hakkında bilgiler verilmiş gerekli olabilecek denklemlerden bahsedilmiştir. Çalışmanın üçüncü kısmında ise deney çalışması için yapılan deney platformu hakkında ayrıntılar verilmiş ve platformun yapımında dikkat edilen noktalara önemle değinilmiştir. Deney platformu, İstanbul Teknik Üniversitesi Hidrolik ve Su Kaynakları Mühendisliği laboratuvarında oluşturulmuştur. 1,2 m genişliğinde, 6,75 uzunluğunda metal platform kullanılmıştır. Suyun yolun içerisinde kalması için platform kenarları da yine metal plaka ile çevrilmiştir. Yolun enine eğimi, şehir içi yollar için bazı geometrik tasarım kılavuzlarının izin verdiği maksimum enine eğim olan %0 ila %5 arasında değişebilir. Aynı şekilde, dağlık bölgelerdeki yüksek eğimli yolları temsil eden boyuna eğim ise %0 ila %10 arasında değişebilir. Çalışmada da bu kriterleri dikkate alarak %1 ila %5 arasında %1 artarak değişen enine eğim, %1 ila %10 arasında %1 artarak değişen boyuna eğim konfigürasyonları kullanılarak her bir ızgara ve debi koşulu için 50 farklı veri alınmıştır. Deney çalışmasında 6 farklı ızgara girişi için test yapılmıştır. Çalışmada her bir ızgara için 6 farklı debi, 5 farklı enine eğim, 10 farklı boyuna eğim olmak üzere toplamda 300 farklı konfigürasyonda; ızgara girişi başlangıcı akış derinliği (d), ızgara tarafından yakalanan akışın boşaldığı plastik haznenin çıkışında bulunan V çentik savaktaki su yüksekliği (h) ve sisteme bırakılan tüm suyun boşaldığı büyük haznenin çıkışında bulunan V çentik savaktaki su yüksekliği (H) ölçülmüştür. Çalışmanın dördüncü kısmında ise elde edilen verilerin değerlendirilmesi için izlenecek süreçlere değinilmiş ve kullanılan yöntemler hakkında ayrıntılı bilgiler verilmiştir. Bu araştırma kapsamında makine öğrenmesi uygulamasına tabi tutulmak üzere toplam 1800 deneysel veri elde edilmiştir. Elde edilen veriler makine öğrenmesi tekniği ile regresyon uygulamasına tabii tutulmuştur. Makine öğrenmesi için çeşitli algoritmalar geliştirilmiş ve bu algoritmalar birçok parametreye bağlıdır. Bu parametrelerin ayarı doğru sonuçları elde edebilmek adına mühim bir noktadır. Parametrelerin ayarı için optimizasyon algoritmaları kullanılmıştır. Makine öğrenmesi modellerini eğitmek için tüm veri kümesi eğitim (%70) ve test (%30) olmak üzere iki ana bölüme ayırılmıştır; eğitimde ise makine öğrenmesinde yaygın olarak karşılaşılan sıkıntı olan Aşırı Öğrenmeyi (Overfitting) önlemek için 5 kat çapraz doğrulama gerçekleştirilmiştir. Orijinal veri seti sayısal değerler içerdiğinden, bu çalışma K-En Yakın Komşu algoritması (KNN), Rastgele Orman algoritması (RF), Destek Vektör Makinesi algoritması (SVM), Yapay Sinir Ağı (ANN) regresyon uygulamalarını ele almıştır. Ek olarak, bu algoritmaların hiperparametre ayarını gerçekleştirmek için bu algoritmaların modelleri, gelişmiş teknoloji ürünü meta-sezgisel optimizasyon algoritmaları olan Yapay Arı Kolonisi algoritması (ABC), Yerçekimsel Arama algoritması (GSA), Guguk Kuşu Arama (CS) algoritması, Parçacık Sürüsü algoritması (PSO) ve Genetik algoritma (GA) ile hibritleştirilmiştir. Optimizasyon sürecinde parametre aralıkları tanımlanmış ve optimum model parametrelerine ulaşmak için toplam 1.000 konfigürasyon taranmıştır. Son olarak sonuç ve öneriler kısmında elde edilen sonuçların değerlendirilmesi yapılmıştır. Sonuçların değerlendirilmesiyle birlikte gerekli görülen yeni önerilerde sırasıyla ifade edilmiştir.
Özet (Çeviri)
Cities have developed in parallel with the development of humanity from past to present, and these developments have brought new innovations to cities. In this innovative process, the increase using low-permeability materials in the construction of cities has caused heavy precipitation situations to become more problematic over time. Every detail, from the grate type used in the design of urban drainage systems to the sewer pipes, has become important in order to transfer the incoming water content in rainy situations to more controllable areas without causing problems such as flooding. Many conditions, from the transverse and longitudinal slopes on the road to the climate and ground conditions of the region, from the population density in the region to the details in the urban planning, are taken into consideration in the design of the drainage system. In this study, it was aimed to obtain the water content data captured by 6 different grate types used in the drainage system in the experimental study carried out by considering these details and to evaluate these data by machine learning. First of all, all the experimental studies on urban drainage systems from the past to the present were examined and summaries were prepared to give information about the details of these studies. These summaries give with a table and this table give information about the number of grate or configurations used, the experimental setup features, formulation types and proposed equations. Afterwards, a detailed research on urban drainage systems was made and the details that are important in the design of the systems were examined. Urban drainage systems consist of three main components. Street gutters or roadside ditches, drain inlets and sewers. Street gutters or roadside ditches collect runoff from the road (and adjacent areas) and forward the runoff to a drainage system inlet while maintaining the road's service level. Inlets collect rainwater from streets and other land surfaces, divert the runoff into sewer pipes and provide maintenance access to the sewer system. Sewers can carry more rainwater than the road or ditch can hold along the designated road boundary and are then modeled for transfer to a stormwater management facility or directly to a receiving water reservoir. All of these components must be properly designed to achieve the purposes of the stormwater collection and transport system. In the third part of the study, details about the experimental platform made for the experiment study were given and the points that were considered in the construction of the platform were emphasized. The experimental platform was created in the Hydraulic and Water Resources Engineering laboratory of Istanbul Technical University. A metal platform with a width of 1.2 m and a length of 6.75 was used. In order to keep the water in the road, the sides of the platform are also surrounded by metal plates. The water take from the water tank of the laboratory by the pump to be left on the platform is conveyed to the platform with 5 plastic pipes, and a balanced distribution of water is ensured by using a set made of bricks at the beginning of the platform. The transverse and longitudinal inclination of the platform can be adjusted manually by raising and lowering it using four screw lifts, three on lateral side and one on the starting part. Necessary space was left for the gratings near the downstream part of the platform, and 6 different types of grate inlet were used in accordance with this part in size. In addition, these grate inlets are designed according to the most commonly used grate inlet types in the market. The water caught by the grate is adjusted to drain into the reservoir made of plastic material. The platform outlet and the plastic reservoir outlet are adjusted to discharge the existing water into a common large reservoir. The plastic reservoir outlet to determine the flow rate of the water captured by the grate and the large reservoir outlet to determine the flow rate of all the water released into the system is designed as a V-shaped. Details on determining the flow rate for a V-shaped weir are described in the work. In addition, 3 calipers were used to measure the water depth in V notched weirs and at the beginning of the grate. The transverse slope of the road can range from 0% to 5%, which is the maximum transverse slope allowed by some geometric design guidelines for urban roads. Likewise, the longitudinal slope representing high-slope roads in mountainous regions can vary between 0% and 10%. Considering these criteria, in the study, transverse slope configurations ranging from 1% to 5% with an increase of 1% and longitudinal slope configurations ranging from 1% to 10% an increase of 1% were used, additionally, 50 different data were obtained for each grate and flow condition. In the experimental study, tests were carried out for 6 different grate inlets. In the study, a total of 300 different configurations were tried, including 6 different flow rates, 5 different transverse slopes, 10 different longitudinal slopes for each grate. The flow depth at the beginning of the grate inlet (d), the water height of the flow captured by the grate (h) and the height of all the water released into the system were measured. In the fourth part of the study, the processes to be followed for the evaluation of the data obtained are mentioned and detailed information about used the methods is given. At the same time, a detailed research has been made on the advantages and disadvantages of the optimization and machine learning algorithms used, these advantages and disadvantages have been explained in detail in this section. Within the scope of this research, a total of 1800 experimental data were obtained to be subjected to machine learning application. The obtained data were subjected to machine learning applications. Data analysis has become very important in almost every business discipline that exists today. Machine learning applications is a predictive application method used in this data analysis. A data set contains input and output data. This data set is divided into training and test data for machine learning applications. Various algorithms have been developed for machine learning applications and these algorithms depend on many parameters. The setting of these parameters is an important point to obtain the correct results. Optimization algorithms are used to set the parameters. If we need to explain as detail the optimization, it is the selection of the maximum or minimum optimum solution among many solutions to the problems encountered in life. Optimization algorithms are inspired by many living things, situations and events in nature. It aims to choose the optimum among the more complex solution set. In this study, in the machine learning applications for each data set as input data; total water flow rate (Qtotal), transverse slope (Tslope), longitudinal slope (Lslope), flow depth (da) measured at the beginning of the grate, spread of the flow on the platform (T) and grate width (W) is used; as the output data the water flow rate (QCaptured) captured by the grate is used. To train machine learning models, the entire dataset was divided into two main parts, training (70%) and testing (30%); In training, 5-fold cross validation was performed to prevent Overfitting, which is a common problem in machine learning. Since the original dataset contains numerical values, this study deals with the K-Nearest Neighbor algorithm (KNN), Random Forest algorithm (RF), Support Vector Machine algorithm (SVM), Artificial Neural Network (ANN) regression applications. In addition, to realize the hyperparameter tuning of these algorithms, these algorithms hybridized with advanced technology meta-heuristic optimization algorithms Artificial Bee Colony algorithm (ABC), Gravitational Search algorithm (GSA), Cuckoo Search (CS) algorithm, Particle Swarm algorithm (PSO) and Genetic algorithm (GA). During the optimization process, parameter ranges were defined and a total of 1,000 configurations were scanned to reach the optimum model parameters. Finally, the results obtained in the conclusion and recommendations section were evaluated. After the evaluation of the results, new suggestions were expressed respectively.
Benzer Tezler
- Izgara tipi yağmur suyu giriş yerlerinin meskun bölge drenajı kapsamında incelenmesi
Examination of grate inlets within urban stormwater drainage
HALİL İBRAHİM ŞAHİN
Yüksek Lisans
Türkçe
2006
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ALİ UYUMAZ
- A mathematical model for urban storm drainage system design
Kentsel alanda yağmur suyu drenaj sistem tasarımı için matematiksel model
MEHMET DOĞAN PEKÇAĞLIYAN
Yüksek Lisans
İngilizce
1981
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Bölümü
Y.DOÇ.DR. OSMAN AKAN
- Meskun bölgelerde yağmur suyu giriş yerlerinin incelenmesi: İTÜ Ayazağa yerleşkesi örneği
Investigation stormwater inlets in urban areas : Example of ITU Ayazaga campus
VEYSEL ONUR İÇKALE
Yüksek Lisans
Türkçe
2016
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ UYUMAZ
- İstanbul'da sürdürülebilir yağmursuyu yönetimi-yağmursuyu ızgara modeli önerisi
Sustainable stormwater management in Istanbul-a proposal for stormwater grate inlet model
MUHAMMET EMİN KURTOĞLU
Yüksek Lisans
Türkçe
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SENEM BİLİR MAHÇİÇEK
- Yağmur suyu drenaj sistemlerinin bilgisayar destekli tasarımı ve Denizli Organize Sanayi Bölgesi için bir uygulama
Computer aided design of dentzli organized industrial zone rainfall drainage project
İ.SERHAT ÇATALBAŞ
Yüksek Lisans
Türkçe
1998
İnşaat MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL KARAHAN