Geri Dön

Development of a decision-support tool for managing drinking water reservoir by using machine learning and deep learning methods

Makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak içme suyu reservuarının yönetimi için bir karar destek aracının geliştirilmesi

  1. Tez No: 842598
  2. Yazar: SERKAN ÖZDEMİR
  3. Danışmanlar: PROF. DR. SEVGİ ÖZKAN YILDIRIM, DR. MUHAMMAD YAQUB
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Yönetim Bilişim Sistemleri, Computer Engineering and Computer Science and Control, Management Information Systems
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 156

Özet

Küresel iklim değişikliği, hem değişen meteorolojik parametreler hem de yoğun su kullanımı nedeniyle son yıllarda göl seviyelerinde büyük dalgalanmalara yol açmıştır. Girdi veya çıktı değişkenlerindeki bir değişim, su dengesi denklemini kolayca değiştirebilir ve su seviyelerini ters yönde hareket ettirebilir. Devam eden eğilimi anlamak ve dramatik su dengesi ve su kalitesi yönetimi için bir eylem planı oluşturmak amacıyla, bilim insanları kaydedilen çeşitli değişkenleri analiz etmek için çeşitli modeller kullanmaktadır. Bu tezde, iklimsel ve hidrolojik değişkenler için kullanılan tahmin modelleri tartışılmakta ve bunların Göl Su Seviyesi (LWL) ve su kalitesi ile ilişkileri sunulmaktadır. Teknolojik gelişmelere bağlı olarak, göllerdeki su seviyesini tahmin etmek için üç farklı algoritma türü a) Naïve Yöntem, b) Yapay Sinir Ağları (YSA) ve son olarak c) Tekrarlayan Sinir Ağı (RNN) modelleri kullanılmıştır. Tezden elde edilen tahmin sonuçları, Kök Ortalama Karesel Hata (RMSE) değerlendirme metriğine göre Uzun Kısa Süreli Belleğin (LSTM) en yüksek doğruluğa sahip olduğunu göstermektedir. Modeller ayrıca Naïve Yönteminin performansı ile karşılaştırılmış ve sonuçlar, tahmin periyodu arttıkça YSA ve RNN algoritmalarının tahmin doğruluğunda üstün olduğunu göstermiştir. Tahmin performansları, anlamlı farklılıklara karar vermek için Diebold Mariano Testi ile değerlendirilmiştir. Ayrıca bu tez, gölün su kalitesinin sıcaklık ve buharlaşma ile yüksek oranda ilişkili olduğunu ortaya koymaktadır. Modeller ve değerlendirme ölçütleri, su yöneticilerinin operasyonel işlemlerde kullanmaları için bir karar destek aracı prototipi oluşturmak üzere geliştirilmiştir.

Özet (Çeviri)

Global climate change has led to large fluctuations in lake levels in recent years, due to both changing meteorological parameters and intensive water use. A shift in input or output variables can easily alter the water balance equation and move water levels in the opposite direction. To understand the continuing trend and to create an action plan for dramatic water balance and water quality management, scientists use a variety of models to analyze several variables recorded. In this thesis, the predictive models used for the climatic and hydrologic variables are discussed and their relationships to Lake Water Level (LWL) and water quality are presented. Based on the technological progress, three different types of algorithms a) Naive Method, b) Artificial Neural Networks (ANN) and finally c) Recurrent Neural Network (RNN) models are used to predict water level in lakes. The prediction results from the thesis show that Long Short Term Memory (LSTM) has the highest accuracy with respect to the Root Mean Squared Error (RMSE) evaluation metric. The models were also compared with the performance of the Naïve Method, and the results show that ANN and RNN algorithms are superior in prediction accuracy as the prediction horizon increases. The prediction performances were assessed with Diebold Mariano Test to decide significant differences. It also reveals the water quality of the lake is highly correlated with temperature and evaporation. The models and evaluation metrics are constructed to build a prototype of decision support tool in order water managers to use in operational transactions.

Benzer Tezler

  1. Hidrolojik proses modelleri ile havza şebeke modelleri entegrasyonu: Darlık havzası örneği

    Integration of hydrological process models with watershed network models: Darlik creek case study

    MEHMET KALFAZADE

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPASLAN EKDAL

  2. İstanbul-Paşaköy-B.Bakkalköy arası enerji nakil hattı kamulaştırma bilgi sistemi pilot çalışması

    Başlık çevirisi yok

    NURAY BAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GONCA COŞKUN

  3. Gelişmekte olan ülkelerde teknoloji politikalarının belirlenmesi ve Türkiye'deki durum

    Technology policies in developing countries and the situatiın in Turkey

    MEHPARE BARIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    DOÇ. DR. TUFAN V. KOÇ

  4. Kalite yönetiminde şartnameler ve performans şartnameleri

    Başlık çevirisi yok

    KEREM ERCOŞKUN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. ALAATTİN KANOĞLU

  5. Yerel yönetimlerde coğrafi bilgi sistemi destekli proje planlaması ve yönetimi

    Başlık çevirisi yok

    ERKAN BEŞDOK

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖNÜL TOZ