Makine öğrenim algoritmaları ile akım verilerinin tahmini
The forecasting of flow data with machine learning algorithms
- Tez No: 821151
- Danışmanlar: DOÇ. DR. LEVENT LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Nehir akım tahmini, su yapılarının planlanması ve yönetiminde önemli bir rol oynamaktadır. Ancak, doğrusal ve durağan olmayan özellikler sergileyen nehir akım verilerini doğru bir şekilde tahmin etmek zorlu bir problemdir. Bu tez çalışmasında, yüksek performans elde etmeyi amaçlayan hem genel nehir akımının hem de pik (sıra dışı) akımlarının tahmini için yeni bir yaklaşım önerilmiştir. Kullanılan veriler, yağış ve akım süresi serilerinin yanı sıra Ampirik Mod Ayrışımı (Empirical Mode Decomposition, EMD), Varyasyonel Mod Ayrışımı (Variational Mode Decomposition, VMD) ve Dairesel Tekil Spektrum Analizi (circulant Singular Spectrum Analysis, ciSSA) alt bantlarından gecikmeli verileri içermektedir. Bu veri kümelerinden özellik seçimi için Minimum Artıklık Maksimum İlgililik (Minimum Redundancy Maximum Relevance, MRMR) yöntemi kullanılmıştır. Seçilen özellikler Makine Öğrenmesi Yöntemleri (Machine Learning, ML); Gauss Süreç Regresyonu (Gaussian Process Regression, GPR), Topluluk Öğrenme (Güçlendirme, Torbalama) (Ensemble Learning (Boosting, Bagging)), Destek Vektör Regresyonu (Support Vector Regression, SVR) ve Yapay Sinir Ağı (Artificial Neural Networks, ANN) ile günlük akım tahmin modelleri geliştirmek için kullanılmıştır. Geliştirilen MRMR-ML, EMD-MRMR-ML, VMD-MRMR-ML ve ciSSA-MRMR-ML modellerinin performansları değerlendirilmiştir. Sonuçlar, akım tahmininde ciSSA-MRMR-ML ve VMD-MRMR-ML modellerinin yüksek başarıya sahip olduğunu göstermiştir. Ayrıca günlük genel akım tahmini ve pik akım tahminlerinde ciSSA-MRMR-ML yönteminin en iyi sonucu verdiğini göstermiştir.
Özet (Çeviri)
River flow forecasting plays an important role in the planning and management of water structures. However, accurately estimating river flow data, which exhibit nonlinear and nonstationary characteristics, is a challenging problem. In this thesis, a new approach was proposed for the estimation of both overall river flow and peak (outlier) flows, aiming to achieve high performance. The data used included precipitation and streamflow time series, as well as lagged data from the Empirical Mode Decomposition (EMD), Variational Mode Decomposition (VMD), and circulant Singular Spectrum Analysis (ciSSA) sub-bands. The Minimum Redundancy Maximum Relevance (MRMR) method was used for feature selection from these datasets. The selected features have been utilized for developing daily streamflow prediction models using Machine Learning (ML) methods including Gaussian Process Regression (GPR), Ensemble Learning (Boosting, Bagging), Support Vector Regression (SVR) and Artificial Neural Networks (ANN). The performance of the developed MRMR-ML, EMD-MRMR-ML, VMD-MRMR-ML ve ciSSA-MRMR-ML models have been evaluated. The results have indicated that ciSSA-MRMR-ML and VMD-MRMR-ML models exhibit high success rates in streamflow prediction. Furthermore, ciSSA-MRMR-ML has shown to provide the best results in daily overall streamflow and peak (outlier) streamflow predictions.
Benzer Tezler
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- A support decision system for predicting rating values of preproduction TV content: An explainable machine learning approach
Yayınlanmamış TV içeriğinin reyting değerinin tahmin edilebilmesi için karar destek sistemi: Bir açıklanabilir makine öğrenimi yaklaşımı
BURAK BATIBAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- İki eksenli protez kolun ileri kontrol yöntemleriyle kontrolü
Control of biaxial prosthetic arm with advanced control methods
ÖMER FARUK KARAKÖSE
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÇAĞRI KUTLU
- Makine öğrenimi algoritmaları kullanılarak kaçak elektrik takibi ve kontrol sisteminin gerçekleştirilmesi
Realisation of illegal electricity tracking and control system using machine learning algorithms
ÖNDER CİVELEK
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL İBRAHİM OKUMUŞ