Hibrit dalgacık-sinir ağı modelleri ile aylık nehir akım tahmini
Monthly river streamflow prediction with hybrid wavelet-neural network models
- Tez No: 801778
- Danışmanlar: DR. ÖĞR. ÜYESİ DOĞAN YILDIZ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Su yönetim planlamasında, özellikle su havzası yönetiminde akımın istatistiksel olarak tutarlı ve performanslı bir şekilde modellenmesi, diğer sıcaklık, yağış gibi diğer klimatolojik etkilerle beraber değerlendirilmesi önem taşımaktadır. Bu nedenle, su yönetimini etkileyen faktörleri değerlendirmek, etkilerini anlamak, gelecekteki kullanımı tahmin etmek ve bu sistemleri doğru bir şekilde geliştirmek için istatistiksel model yaklaşımları kullanılabilir. Bu tez çalışmasında, aylık akımı tahmin etmek için ayrık dalgacık dönüşümlerini (WT'ler) ve yapay sinir ağlarını (YSA'lar) birleştiren hibrit bir model kullanılmıştır. Çalışmada, hava sıcaklığı, yağış, akım ve bunların dalgacık dönüşümlerinin değişken kombinasyonları ile Çoruh nehri havzasındaki üç farklı ölçüm istasyonu için akımın bir ay sonrasındaki değerini tahmin etmek adına Daubechies ana dalgacığı yardımıyla WT-ANN hibrit modeli kullanılmıştır. En yaygın olarak kullanılan hibrit WT-ANN modelleri oluşturulmuş ve geleneksel YSA modelleri ile karşılaştırılmıştır. Veri seti kronolojik olarak eğitim, validasyon ve test verilerine bölünmüştür. Sonuçlar, WT-ANN hibrit modellerinin her üç istasyon için de geleneksel YSA modellerinden daha iyi performans verdiğini göstermiştir. Ayrıca, kronolojik olarak bölünmüş veri seti, zaman içerisinde hidrolojik verilerdeki değişikliklerin model performansı üzerindeki etkilerini incelemek için kullanılmıştır. Ek olarak, eğitim için kullanılan dönemdeki model performansın, hidrolojik verilerdeki yapısal değişiklikler nedeniyle validasyon ve test için kullanılan dönemlerde kötüleştiği görülmektedir.
Özet (Çeviri)
In water management planning, especially in water basin management, it is important to estimate the flow in a statistically consistent and performance way and to evaluate it together with other climatological effects such as temperature and precipitation. Hence, statistical models can be utilized to assess the aspects effecting water management, understand their conclusions, predict future need, and improve these structures accurately. In this thesis, a hybrid model combining discrete wavelet transforms (WTs) and artificial neural networks (ANNs) is used to estimate the monthly streamflow. The WT-ANN hybrid model was developed using the Daubechies main wavelet to predict the streamflow for three gauging stations on the Çoruh river basin one month in advance, with different combinations of air temperature, precipitation, and streamflow variables, and their wavelet transformations. Most commonly used hybrid WT-ANN models were generated and compared with conventional ANN models. The dataset was chronologically divided into training, validation, and testing data. The results indicated that the WT-ANN hybrid models performed better than the traditional ANN models for all three stations. Furthermore, the chronologically divided dataset was used to examine the effects of changes in hydrological data over time on model performance. Additionally, model performances in the training period deteriorated during the validation and testing periods due to structural changes in the hydrological data.
Benzer Tezler
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Prediction of deep learning methods using wavelet transform
Dalgacık dönüşümü kullanılarak derin öğrenme yöntemleri ile tahminleme
GÖKÇE NUR TAŞAĞIL ARSLAN
Doktora
İngilizce
2025
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL KILIÇ DEPREN
- Bitki örtüsü indeksinin yapay sinir ağları ve dalgacık dönüşümü ile analizi
Analysis of vegetation index with artificial neural network and wavelet transform
GAMZE MADEN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Optimizasyon teknikleri kullanılarak kuraklık hibrit tahmin modeli geliştirilmesi
Development of drought hybrid forecast model using optimization techniques
ALİ ALKAN
Doktora
Türkçe
2022
İnşaat MühendisliğiEskişehir Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TOMBUL
- Dalgacık dönüşümü ve shap destekli özellik seçimi ile CNN-LSTM tabanlı güneş ışınımı tahmini
CNN-LSTM based solar irradiance estimation using wavelet transform and shap-assisted feature selection
SONGÜL KAYIK
Yüksek Lisans
Türkçe
2025
EnerjiBatman ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELAHATTİN BARIŞ ÇELEBİ