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
- Tez No: 842598
- Danışmanlar: PROF. DR. SEVGİ ÖZKAN YILDIRIM, DR. MUHAMMAD YAQUB
- Tez Türü: Doktora
- Konular: Yönetim Bilişim Sistemleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Management Information Systems, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- 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
2015
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN EKDAL
- Tasarımda yangın güvenliği açısından kaçış mesafelerinin denetiminde YBM tabanlı karar destek modeli
A BIM-based decision support model for verifying escape distances in terms of fire safety in design
ÇİĞDEM FIRAT
- Determining the detail design principles of external wall through case study analysis and proposal of a design-support tool prototype
Vaka analizi yöntemiyle dış duvar detay tasarım ilkelerinin belirlenmesi ve bir tasarım destek aracı prototipi önerisi
SİNEM EVCİM
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. FATİH YAZICIOĞLU
- Sağlık sektöründe yönetme korkusu ölçeği geliştirme çalışması
Development of a fear of managing scale in the healthcare sector
BETÜL ODABAŞ
Yüksek Lisans
Türkçe
2025
Sağlık YönetimiOrdu ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. MUSTAFA AMARAT
- Mimarlıkta döngüsel tasarım yaklaşımı: Karar verme mekanizmaları için kavramsal bir çerçeve
Advancing circular design in architecture: A framework for decision-making mechanisms
AYŞE CEYLİN CEYDA HÜNDAL
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU