Geri Dön

Development of an artificial neural network model for the estimation of chlorophyll-a in lakes

Göllerdeki klorofil-a'nın belirlenmesi için bir yapay sinirsel ağ modelin geliştirilmesi

  1. Tez No: 82438
  2. Yazar: CÜNEYT KARUL
  3. Danışmanlar: PROF. DR. SELÇUK SOYUPAK
  4. Tez Türü: Doktora
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Sinirsel Ağlar, Göl Yönetim Modelleri, Ötrofıkasyon, Klorofil-a Belirlenmesi VI, Neural Networks, Lake Management Models, Eutrophication, Chlorophyll-a Estimation IV
  7. Yıl: 1999
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 144

Özet

oz GÖLLERDEKİ KLOROFIL-A'NIN BELİRLENMESİ İÇİN BİR YAPAY SİNİRSEL AĞ MODELİNİN GELİŞTİRİLMESİ Kanıl, Cüneyt Doktora, Çevre Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Selçuk Soyupak Eylül 1999, 145 sayfa Bu tez yapay sinirsel ağ algoritmalarının göl yönetim modellerinde kullanılabilme potansiyelini irdelemiştir. İlk aşamalarında tez, göl yönetim modellerinde kullanılabilecek en uygun sinirsel ağ algoritmalarının belirlenmesine odaklanmıştır. Uygun bir sinirsel ağ topolojisinin kurulmasının ardından, göl içerisindeki klorofıl-a yoğunluğunu ve bazı fıtoplankton türlerini, toplam fosfor, PO4 fosforu, NO3 azotu NH3 azotu alkalinite, askıda katı madde yoğunluğu, bulanıklık, pH, su sıcaklığı, elektriksel iletkenlik, çözünmüş oksijen yoğunluğu ve Secchi derinliği gibi ölçülmüş su kalitesi parametrelerinin bir fonksiyonu olarak simüle edebilen bir sinirsel ağ modeli geliştirilmiştir. Model, Keban Baraj gölü ile Mogan ve Eymir göllerinden sağlanan gözlem verileri kullanılarak eğitilmiştir. Modelin kullanımı sırasında ortaya çıkan bazı pratik problemleri ortadan kaldırmak amacıyla, sinirsel ağ tabanlı modelin tasarımı, uygulanması ve sonuçlarının değerlendirilmesine ilişkin hususları ele alan bir prosedür ortaya konmuştur.Sinirsel ağ modelinin performansını denetlemek amacıyla, her bir sinirsel ağ eğitim oturumu için ayrı bir çoklu doğrusal regresyon modeli geliştirilmiştir. Her bir model çifti için, gözlenmiş ve hesaplanmış klorofıl-a yoğunluklarının logaritmaları arasındaki doğrusal korelasyon katsayıları hesaplanarak modelin performans kriteri olarak kullanılmıştır. Araştırma sonucunda sinirsel ağ tabanlı modelin, klorofıl-a yoğunluğunun belirlenmesinde, geleneksel çoklu doğrusal regresyon yöntemlerinden belirgin bir şekilde daha iyi bir performansla kullanılabilecekleri gösterilmiştir. Ötrofıkasyon olgusunun doğası nedeniyle, pek çok durumda klorofıl-a yoğunluğu su kalitesi parametrelerinin bir ya da daha fazlası ile doğrusal olarak ilişkilidir. Bu ilişki doğrusallıktan uzaklaştıkça sinirsel ağ modelleri daha iyi bir performans göstermektedir.

Özet (Çeviri)

ABSTRACT DEVELOPMENT OF AN ARTIFICIAL NEURAL NETWORK MODEL FOR THE ESTIMATION OF CHLOROPHYLL-A IN LAKES Karul, Cüneyt Ph.D., Department of Environmental Engineering Supervisor: Prof. Dr. Selçuk Soyupak September 1999, 145 pages This thesis analyses the potential use of artificial neural network algorithms in lake management models. At its initial phases, the research focused on the investigation of neural network algorithms that are most appropriate to be used in lake management models. After a firm neural network topology was established, the neural network model was developed to simulate the chlorophyll-a concentration or number of some phytoplankton species in a lake as a function of sampled water quality parameters such as total phosphorus, PO4 phosphorus, NO3 nitrogen NH3 nitrogen, alkalinity, suspended solids concentration, turbidity, pH, water temperature, electrical conductivity, dissolved oxygen concentration and Secchi depth. The model was trained with the observed data sets from Keban Dam Reservoir, Mogan and Eymir lakes. Implementational problems of the model were investigated in detail, and a procedure was developed to handle the practical aspects of design, implementation and assessment of the results of a neural network based lake management model. 111To check the performance of the neural network model, a multiple linear regression model was also developed for each individual neural network training session. For either of the model pairs, the linear correlation coefficients between the logarithms of observed and calculated chlorophyll-a concentrations were calculated and used as a performance criteria for the model. The research showed that the neural network based model can be used to estimate chlorophyll-a with a performance that is obviously better than that of the traditional linear multiple regression methods. Due to the nature of eutrophication process, chlorophyll-a is linearly dependent to one or more of the measured water quality parameters used for estimation. Neural network models showed a better performance than the multiple linear regression models when this dependency deviated from linearity.

Benzer Tezler

  1. Tez No

    440587

    Her şey dâhil sisteminde yiyecek içecek miktarlarının yapay sinir ağları ile tahmini, Alanya'da bir uygulama

    Estimation of amounts of food and beverage in all-inclusive system with artificial neural networks, an application in Alanya

    FARUK ERİNCİ

    Doktora

    Türkçe

    Türkçe

    2016

    EkonometriAkdeniz Üniversitesi

    Ekonometri Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN ÇETİN

    PROF. DR. İBRAHİM GÜNGÖR

  2. Tez No

    610845

    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

    Türkçe

    2020

    İnşaat MühendisliğiSakarya Uygulamalı Bilimler Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKMEN ÇERİBAŞI

  3. Tez No

    783711

    Comparison of experimental and semi-experimental models for predicting solar thermal power plants with artificial neural network

    Solar termal santralların yapay sinir ağlarıyla öngörüsünde deneysel ve yarı-deneysel modellerin karşılaştırılması

    SHABNAM CHOOPANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK BARUTÇU

  4. Tez No

    633158

    Yüzeysel sularda benzen mikrokirleticisinin tespiti ve modellenmesi: Orhaneli çayı örneği

    Determination and modeling of benzene micropollutant in surface waters: Orhaneli river study

    ÖZGÜL ÇİMEN MESUTOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    Çevre MühendisliğiAksaray Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZHAN GÖK

  5. Tez No

    806725

    Investigation of Reynolds number effects on aerodynamic characteristics of generic aircraft and estimation of Reynolds-dependent aerodynamic database using artificial neural network models

    Genel uçakların aerodinamik özelliklerinde Reynolds sayısının etkilerinin araştırılması ve yapay sinir ağı modelleri kullanılarak Reynolds'a bağlı aerodinamik veri tabanının tahmini

    RAMAZAN KARAASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM OZKOL

Geri Dön