Tekil spektrum analizi, uzun kısa-süreli bellek ağları ve geçişli tekrarlayan birim ağları ile nehir akım tahmini
Forecasting of stream flow using singular spectrum analysis, long short-term memeory networks and gated recurrent unit networks
- Tez No: 827342
- Danışmanlar: DOÇ. DR. LEVENT LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Nehir akım tahmini, Derin Sinir Ağları, Uzun Kısa-Süreli Bellek Ağları, Geçitli Tekrarlayan Birim, Tekil Spektrum Analizi, Streamflowforecasting, DeepNeural Networks, LongShort-Term Memory Neural Networks, Gated Recurrent Unit Networks, SingularSpectrumAnalysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: 90
Özet
TEKİL SPEKTRUM ANALİZİ, UZUN KISA-SÜRELİ BELLEK AĞLARI VE GEÇİŞLİ TEKRARLAYAN BİRİM AĞLARI İLE NEHİR AKIM TAHMİNİ Kazım Bekir NURALAN Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Ağustos 2023 Danışman: Doç. Dr. Levent LATİFOĞLU ÖZET Su yapılarının planlanması ve yönetiminde nehir akım tahminleri önemli bir yere sahiptir. Lineer olmayan ve durağan olmayan karaktere sahip nehir akım verilerinin doğru tahmini zorlu bir problemdir. Son yıllarda veri tabanlı teknikler, nehir akım problemlerinde yoğun olarak kullanılmaktadır. Bu tez çalışmasında popüler olarak kullanılmaya başlanan Derin Sinir Ağlarından Uzun – Kısa Süreli Bellek (Long-Short Term Memory, LSTM) Ağları ve Geçitli Tekrarlayan Birim Ağları (Gated Recurrent Unit, GRU)ile nehir akım bir ileri ve iki ileri adım tahmini gerçekleştirilmiştir. Tahmin performansını artırmak üzere zaman serilerinin analizinde önemli bir yer tutan Tekil Spektrum Analizi (TSA) kullanılarak alt bant verileri elde edilmiştir. Nehir akım tahmin verisine ait TSA altbant verilerinin LSTM ağları ve GRU ağları ile bir ileri ve iki ileri adım tahmin çalışması gerçekleştirilmiştir. Önerilen TSA-LSTM modeli kullanılarak aylık verilerin bir ileri tahmin çalışmasında 0.0021 Ortalama Karesel Hata (MSE), 0.0361 Ortalama Mutlak Hata (MAE),0.9710 Korelasyon (R) ve 0.958 Belirlilik Katsayısı (R2) değerleri elde edilmiştir. TSA-GRU modeli kullanılarak günlük akımların bir ileri tahmin çalışmasında 0.00013MSE, 0.00707MAE,0.99601R ve 0.9920 R2 değerler ile yüksek performanslı tahmin verisi elde edilmiştir.TSA-GRU modeli ile günlük akımların iki ileri tahmin çalışmasında 0.00052MSE, 0.01195MAE,0.9841 R ve 0.9684 R2 değerleri, aylık akımların iki ileri tahmin çalışmasında ise 0.005546MSE, 0.05503MAE,0.9073R ve 0.8232 R2 değeri elde edilmiştir. Bu sonuçlara göre aylık verilerin bir ileri tahmininde TSA-LSTM modelinin, günlük verilerin bir ve iki ileri tahmini ile aylık verilerin iki ileri tahmininde TSA-GRU modelinin tahmin performansının oldukça başarılı olduğu görülmüştür.
Özet (Çeviri)
FORECASTING OF STREAM FLOW USING SINGULAR SPECTRUM ANALYSIS, LONG SHORT-TERM MEMEORY NETWORKS AND GATED RECURRENT UNIT NETWORKS Kazim Bekir NURALAN Erciyes University, Graduate School of Natural andAppliedSciences Master Thesis, August 2020 Supervisor: Assoc. Prof. Dr. Levent LATİFOĞLU ABSTRACT Stream flow estimation has an important role in the planning and management of water resources.Accurate estimation of stream flow data, that is characterised non-linearandnon-stationary, is a challengin gproblem. Inrecentyears, data-basedtechniqueshavebeenusedextensively in forecasting of streamflow.Inthisstudy, stream flow estimation wa smade with the Long-ShortTerm Memory (LSTM) Networks and Gated Recurrent Unit (GRU) Networks from Deep Neural Networks, which were used as popular. Subband data was obtained by using Single Spectrum Analysis (SSA), which plays an important role in the analysis of time series in order to increase the forecast performance. As a result of estimation of SSA subband data of streamflow forecasting data with LSTM network and GRU network, one ahead and two ahead forecasting study were carriedout. Using the proposed TSA-LSTM model, in a one-step-ahead prediction study of monthly data, Average Mean Squared Error (MSE) of 0.0021, Average Absolute Error (MAE) of 0.0361, Correlation (R) of 0.9710, and Coefficient of Determination (R2) of 0.958 were obtained. By employing the TSA-GRU model for one-step-ahead prediction of daily stream flows, highly performant prediction results were achieved, yielding MSE of 0.00013, MAE of 0.00707, R of 0.99601, and R2 of 0.9920. For two-step-ahead prediction of daily stream flow using the TSA-GRU model, MSE of 0.00052, MAE of 0.01195, R of 0.9841, and R2 of 0.9684 were obtained. Similarly, for two-step-ahead prediction of monthly flows, MSE of 0.005546, MAE of 0.05503, R of 0.9073, and R2 of 0.8232 were achieved. Based on these results, it is evident that the TSA-LSTM model excels in one-step-ahead prediction of monthly data, while the TSA-GRU model demonstrates remarkable prediction performance in one and two-step-ahead prediction of daily stream flow data, as well as in two-step-ahead prediction of monthly stream flow data.
Benzer Tezler
- The analytical solutions and deep learning assessment of long waves over linear and nonlinear breadth and depth profiles: 30 October 2020 İzmir tsunami case
Doğrusal olan ve olmayan genişlik ve derinlik profilleri üzerinde uzun dalgaların çözümleri ve derin öğrenme ile değerlendirilmesi: 30 Ekim 2020 İzmir tsunamisi örneği
ALİ RIZA ALAN
Doktora
İngilizce
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiKıyı Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN BAYINDIR
- Detection of human vital signs through obstructive barriers using UWB GPR
Engel arkası hayati bulguların geniş bantlı yere nüfus eden radar ile tespiti
CANSU BÜYÜKHAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
YRD. DOÇ. DR. SAEID KARAMZADEH
- Krom katkılı lityum spinal malzemelerde kızılötesi fosforesans özelliklerinin geliştirilmesi
Enhancement of infrared phosphorescence properties in lithium spinal materials with chromium doped
SİNAN BOSNA
Yüksek Lisans
Türkçe
2017
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NURİ SOLAK
DOÇ. DR. ESRA ALVEROĞLU DURUCU
- Cıva(II) iyonuna karşı seçici ve hassas kromenilyum-siyanin tabanlı yeni bir kemodozimetrenin geliştirilmesi
Development of a new chromenylium-cyanine based chemodosimeter selective and sensitive for mercury(II) ion
MUHAMMED İKBAL GÜNDÜZ
- Music non-literate virtuosi: the 'Alaylı' metal band performer
Nota okuyamayan virtüyözler: 'Alaylı' metal grubu icracısı
HALE FULYA SOĞANCI