Artifical neural networks flood forecasting: Investigation of the contributions of data assimilation for applications to Cevennes rivers
Yapay sinir ağlarıyla taşkın tahmini: Uygulamalar için veri asimilasyonunun katkılarının değerlendirilmesi Cevennes rivers
- Tez No: 787564
- Danışmanlar: DOÇ. DR. BEDRİ KURTULUŞ, PROF. DR. ANNE JOHANNET
- Tez Türü: Doktora
- Konular: Jeoloji Mühendisliği, Geological Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 293
Özet
Su ile ilgili doğal afetler, insani ve ekonomik kayıpların önde gelen nedeni olmuştur son 50 yılda diğer doğal afetlerin yanı sıra. WMO Ölüm Atlası'na göre ve Hava, İklim ve Su Aşırılıklarından Kaynaklanan Ekonomik Kayıplar, seller 58.700 kişinin ölümüne neden oldu 1970 ve 2019 yılları arasında dünya genelinde 521 milyar ABD doları. Dünya genelinde kaydedilen ölüm sayısı Sadece Fransa'nın Akdeniz bölgelerinde bu rakam 163'e ulaştı ve ekonomik kayıp 4 milyarı aştı 1988-2010 yılları arasında avro. Dinamik ve doğrusal olmayan doğal olayların anlaşılması, simüle edilmesi ve tahmin edilmesi İklim değişikliği ve toplumların doğal tehlikelere karşı artan duyarlılığı bağlamında gerekli ani seller gibi. Bununla birlikte, güçlü hesaplama araçları ve algoritmalar mevcut olsa bile doğal afetleri anlamak ve tahmin etmek için yaygın olarak kullanılsa da, bu görevler bilim insanları. Bu bağlamda, bu tez mevcut fizik temelli ve fizik dışı yöntemleri geliştirmek için önerilmiştir. kara kutu hidrolojik modelleme ve tahmin uygulamaları. Bu kapsamda, dağlık ve küçük ölçekli bir Cévennes havzasında fiziksel tabanlı hidrolojik model simülasyonlarını taklit etmek için derin katmanlı YSA modelleri kullanılarak bir hidrolojik dijital ikiz önerilmektedir. Ayrıca, aynı havzadaki ani selleri tahmin etmek için bir veri asimilasyon yaklaşımının yanı sıra çok katmanlı perceptron gibi derin katmanlı YSA modelleri de önerilmektedir. Buna ek olarak, hidro(jeo)lojik belirsizlikleri yönetmek için Kalman filtreleri ve sinir ağlarının uygulamaları için bir veri asimilasyon incelemesi de sunulmaktadır. Bu bilimsel bağlamlar, daha sonra tezde ele alınacak olan üç bilimsel makale şeklinde hazırlanmıştır. Seçilen fiziksel tabanlı model yarı dağıtık kavramsal hidrolojik GSM-SOCONT modelidir. Model. Titiz karmaşıklık seçim yöntemleri kullanılarak üç YSA modeli önerilmiş ve iyi genelleme kapasitesini teşvik etmek için karşılaştırılmıştır. İleri beslemeli model en iyi sonucu verdi test olaylarına ilişkin sonuçlar, önceki gözlemlenen deşarjlarla girdilerden tam olarak yararlanırken tekrarlayan model, aşağıdaki dinamiklerin tatmin edici bir şekilde temsil edildiği ilginç sonuçlar vermiştir fiziksel model. Girdileri yalnızca yağış içeren statik model daha az verimlidir ve Bu tür bir sistemde dinamiklerin önemi. Ani sel tahmini, mevcut YSA modelleme uygulamaları kullanılarak gerçekleştirilir ve acemi bir kavramsallaştırılmış bir veri asimilasyon çerçevesi ile derin katmanlı YSA modelleri. Önerilen derin modeli ileri beslemeli ve tekrarlayan sinir ağlarının kombinasyonuydu. Seçilen derin modeli, ön referans modelleri ve bunların tahmin toplulukları ile karşılaştırılmıştır. üyeler. Tahmin sonuçları, daha net bir resim elde etmek için tahmini teslim süresi bazında değerlendirildi model performansının incelenmesi, önerilen derin modelin genel performansı artırabileceğini göstermiştir. tahmin performansı, özellikle pik deşarj tahmini açısından, daha uzun vadede zamanlar. Bununla birlikte, referans ileri besleme yapay sinir ağları modeli M1, daha kısa süreler için daha iyi performans göstermektedir.
Özet (Çeviri)
Water-related natural disasters have been the leading cause of human and economic losses among other natural disasters over the past 50 years. According to the WMO Atlas of Mortality and Economic Loss from Weather, Climate, and Water Extremes, floods caused 58,700 deaths and US$521 billion worldwide between 1970 and 2019. The number of deaths recorded in the French Mediterranean regions alone reached 163 and the economic losses exceeded 4 billion euros between 1988 and 2010. Understanding, simulating, and predicting dynamic and nonlinear natural phenomena is necessary in a context of climate change and increased sensitivity of societies to natural hazards such as flash floods. Nevertheless, even if powerful computational tools and algorithms have been widely used to understand and predict natural disasters, these tasks remain a challenge for scientists. In this context, the present thesis is proposed to enhance existing physics based and black-box hydrological modelling and forecasting practices. To this extent, a hydrological digital twin is proposed by using deep layer ANN models to emulate a physically based hydrological model simulations in a mountainous small-sized Cévennes watershed. Moreover, deep layer ANN models, e.g. multilayer perceptron, are proposed alongside a data assimilation approach to forecast flash floods in the same basin. In addition, a data assimilation review is also presented for the applications of Kalman filters and neural networks to manage hydro(geo)logical uncertainties. These scientific contexts are prepared in the form of three scientific papers which will be later addressed in the thesis. The chosen physical-based model is semi distributed conceptual hydrological GSM-SOCONT model. Three ANN models are proposed by using rigorous complexity selection methods and compared to promote good generalization capacity. The feed forward model gave the best results on tests events, making full use of the inputs with previous observed discharges whereas the recurrent model gave interesting results representing satisfactorily the dynamics of the physical model. The static model, whose inputs contain only rainfall, is less efficient, showing the importance of dynamics in that kind of system. Flash flood forecast are performed by using existing ANN modelling practices and a novice deep layer ANN models with a conceptualized data assimilation framework. Proposed deep model was the combination of feed-forward and recurrent neural networks. The selected deep model is compared with preliminary reference models and the ensembles of their forecast members. The forecast results evaluated on a forecast lead-time basis, to get a clearer picture of the model performance, showed that the proposed deep model can increase the overall forecasting performance, particularly in terms of the peak discharge estimation, in longer lead times. However, the reference preliminary feed-forward model, M1, performs better for shorter lead times.
Benzer Tezler
- Hidroelektrik enerji santrallerinde üretilen enerjinin kısa ve uzun süreli olarak tahmin edilmesi ve taşkın riskinin araştırılması: Doğançay Hidroelektrik Enerji Santralleri örneği
Estimation of energy produced in hydroelectri̇c power plants as short and long term and investigation of flood risk: case study of Dogancay Hydroelectric Power Plants
AHMET IYAD CEYHUNLU
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiSakarya Uygulamalı Bilimler Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKMEN ÇERİBAŞI
- Bulanık zincir model temelleri ve hidrograf tahminleri
Fuzzy chain model fundamentals and hydrograph estimations
YAVUZ SELİM GÜÇLÜ
Doktora
Türkçe
2017
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Yapay sinir ağları ile yağış tahmini
Rainfall forecasting with artificial neural networks method
EDA ÇEVİK
Yüksek Lisans
Türkçe
2009
Teknik EğitimSüleyman Demirel ÜniversitesiYapı Eğitimi Ana Bilim Dalı
DOÇ. DR. ÖZLEM TERZİ
- Porsuk barajı su seviyesinin öngörülerinin elde edilmesinde yapay sinir ağları ve ARMAX modellerinin karşılaştırmalı incelenmesi
Comparative study of artificial neural networks and ARMAX models for forecasting of porsuk dam water level
ÖZER ÖZAYDIN
Doktora
Türkçe
2009
İstatistikEskişehir Osmangazi Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. HÜLYA ŞEN
- Doğu Karadeniz havzasının L-momentlere dayalı taşkın frekans analizinde yapay zeka yöntemlerinin uygulanması
Application of artificial intelligence methods to L-moments based regional frequency analysis in the Eastern Black Sea basin
TUĞÇE ANILAN
Doktora
Türkçe
2014
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER YÜKSEK