Büyük Menderes Havzası su kalite parametrelerinin incelenmesi ve yapay zekâ yöntemleri ile modellenmesi
Analizing the water quality parameters in the Büyük Menderes Basin and modeling by artificial intelligence methods
- Tez No: 820027
- Danışmanlar: PROF. DR. SEMRA BENZER
- Tez Türü: Doktora
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürdürülebilir içme suyu sağlamak ve ekosistemi korumak için tatlı su kaynaklarının kalitesi sürekli izlenmelidir. Bu çalışma, Büyük Menderes Havzasını göz önünde bulundurarak su kalitesi sınıflandırması ve tahmininin otomasyonu doğrultusunda iki hedefi izlemektedir. Bu araştırmanın ilk amacı, su kalitesi sınıflandırması için doğru bir model ortaya koymaktır. Water Quality Index (WQI), su kalitesini sınıflandırcı için kullanılmaktadır. Ancak, WQI'in hesaplaması karmaşık ve zaman alıcıdır. Su kalitesi sınıflandırması için gelişmiş yöntemlerden birisi Machine Learning (ML) dir. Bu çalışmada, su kalitesi sınıflandırması için dört ML modelinin performansı incelenmiştir. Bir ML modelini hesaplama açısından uygun maliyetli hale getirmek için, en ilgili parametreler ele alınarak boyutsalık azaltma teknikleri kullanılır. Bu çalışmada, boyutsallığı azaltılmış veri setlerinin sınıflandırıcıların performansı üzerindeki etkisi değerlendirilmiştir. Bu çalışmada, farklı parametrelerden oluşan alt kümeler oluşumu için üç öznitelik seçici kullanılmıştır. Araştırmalar sonucunda, XGBoost modeli, tüm veri seti ile olağanüstü performans (Doğruluk: 96,9696%) göstermiştir. Sonuçlar, boyutsallık azaltmanın modellerin performansı üzerindeki olumsuz etkisini göstermektedir. Maliyet etkinliğine dayalı fizibilite çalışması, XGBoost modelinin, Backeard Feature Elimination Wrapper Method (BFE-WRAPM) tarafından önerilen veri seti ile en iyi sınıflandırıcı olarak kabul edilebileceğini (Doğruluk: %95.606) göstermektedir. Su yaşamı, Çözünmüş Oksijen (ÇO) seviyelerinden oldukça etkilenmektedir. Bunun için, gelecekteki ÇO seviyeleri için bir tahmin modeli oluşumu gereksinimdir. Bu tez çalışmasının ikinci aşaması, ÇO Tahmini için bir modelin oluşturulmasıdır. Bu doğrultuda, boyutsallık azaltma çalışması ile birlikte Random Forest (RF) ve Multilayer Perceptron (MLP) modellerinin ÇO tahmini performansı değerlendirilmiştir. RF modeli MLP'ye göre her iki veri kümesi ile (tüm veri seti ve boyutsallığı azaltılmış veri kümesi) üstün performans sergilemiştir. RF modeli için en iyi performans boyutsallığı düşürülmüş veri kümesi ile eğitildiğinde tespit edilmiştir. Her iki modelin Estimation Error Deviation'i (EED), boyutsallığı düşürülmüş veri seti ile önemli ölçüde azaldığı tespit edilmiştir. Sonuçlar, boyutsallık azaltmanın her iki modelin doğruluğu üzerindeki olumlu etkisini göstermektedir. Sonuç olarak, RF, ÇO tahmininde etkin bir model olarak kabul edilebilir.
Özet (Çeviri)
To provide sustainable drinking water and protect the ecosystem, the quality of freshwater resources must be monitored constantly. This research thesis aims to follow two objectives regarding the automation of water quality classification and prediction considering the Büyük Menderes Basin. The first objective of this research was to introduce an accurate model for water quality classification. Water Quality Index (WQI) has been used to classify water quality for years. However, calculating WQI is complicated and time-consuming. One of the advanced methods to automate water quality classification is machine learning (ML). In this study, the performance of four ML models were investigated for water quality classification. Besides, to make a ML model computationally cost-effective, dimensionality reduction techniques are used to detect the most relevant parameters. For this, the impact of the dimensionality-reduced datasets on the performance of the classifiers was evaluated. Three feature selection techniques were used to generate the subset of features with different combinations of parameters. XGBoost showed outstanding performance (accuracy: 96.9696%) with all the parameters. The results showed the adverse impact of dimensionality reduction on the performance of the classifiers. However, feasibility study based on cost-effectiveness showed that the XGBoost classifier can be considered the best classifier (accuracy: 95.606%) with the dataset suggested by the Backward Feature Elimination Wrapper Method (BFE-WRAPM). As aqcuatic life is highly influenced by Dissolved Oxygen (DO) levels so a prediction model for future levels of DO is a demand. The second phase of this thesis is to create a model for DO Prediction. To this end, the performance of the RF and Multilayer Perceptron (MLP) algorithms for DO prediction were evaluated along with the dimentionality reduction study. The results showed that the RF excelled MLP in performance with both datasets (the dataset of all and reduced variables). The best performance achieved by the RF with the dataset of reduced variables. The Estimation Error Deviation (EED) of both models declined significantly with the dataset of reduced variables. The results demonstrated the positive impact of the dimensionality reduction on the accuracy of both models. However, RF can be considered a robust model in predicting DO.
Benzer Tezler
- Gediz Nehri Aşağı Gediz Havzası'ndan alınan su ve sediment örneklerinde bazı kirlilik parametrelerinin incelenmesi
Investigation of some pollution parameters ın water and sediment samples collected from the Lower Gediz River Basin
ÖZGE ÖNER
- Bafa Gölü Havzasının hidroloji ve hidrojeoloji incelenmesi
Hydrology and hydrogeology investigation of Lake Bafa Basin
ŞAMİL YILDIZ
Yüksek Lisans
Türkçe
2023
Jeoloji MühendisliğiSüleyman Demirel ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DAVRAZ
- Dinar (Afyonkarahisar) havzası hidrojeoloji incelemesi
Hydrogeological investigation of Dinar (Afyonkarahisar) basin
MELİSA KAYA
Yüksek Lisans
Türkçe
2025
Jeoloji MühendisliğiSüleyman Demirel ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA AKSEVER
- Kirletici parametrelerinin alıcı ortam koşullarına göre belirlenmesi üzerine bir araştırma
A research on determination of polluter parameters according to receiver environmental conditions
BARBAROS YILDIZ
Yüksek Lisans
Türkçe
2019
ZiraatAydın Adnan Menderes ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSEL YILMAZ
- Alıcı su ortamı bazlı deşarj limitlerinin simülasyon-optimizasyon modelleri kullanılarak belirlenmesi
Identification of receiving water body based discharge limits by using simulation-optimization models
DERYA SADAK
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TAMER AYVAZ