İleri veri işlem yöntemleri ile su kaynaklarının kullanımı ve planlanmasının optimizasyonu
Optimisation of water resources use and planning with advanced data processing methods
- Tez No: 842941
- Danışmanlar: PROF. ZAFER ASLAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Debi Tahmini, Yağış, Sıcaklık, Dalgacık, Regresyon, River Flow Rate, Precipitation, Temperature, Wavelet, Regression, Machine Learning Methods
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 102
Özet
Suyun tarımsal faaliyetler, ekonomi, sağlık, enerji kaynaklarının kullanımı ve hijyen ile karmaşık bir ilişkisi vardır. İklim değişiklikleri ve artan nüfus göz önüne alındığında önümüzdeki yıllarda su kaynaklarımızda yetersizlik yaşanması muhtemel büyük sorunların başında gelmektedir. Temiz su kaynaklarının korunması ve daha verimli kullanılması, uzun süre temiz ve kullanılabilir kalmasının geliştirilmesi gerekliliği büyük önem taşımaktadır. Mevcut su potansiyelinin ekonomik olarak kullanılması, suyun ve kullanımının verimli hale getirilmesi gerekmektedir. Buradan yola çıkarak mevcut suyun kullanılabileceği miktarın ve gelecekte su potansiyelinin ne kadar değişeceğinin öngörüsü su planlaması için büyük önem taşımaktadır. İklim değişiklikleri, mevsimsel dalgalanmalar ayrıca nüfus artışı ve birçok nedenle küresel sorunlar artmakta ve su kaynaklarının sürdürülebilir yönetimi önemli ölçüde bir endişe kaynağı haline gelmektedir. Bu bilimsel tez çalışmasında, Türkiye'deki farklı akarsu havzalarından seçilen nehirlerin akım ortalama hızları tahmin edilmeye çalışılmıştır. Çalışma, günlük ortalama yağış ve günlük ortalama hava sıcaklığı değerleri ile günlük ortalama akış verilerinin kapsamlı bir analizini içerir, gelecekteki su potansiyelini tahmin etme karmaşıklığını çözmeyi amaçlamıştır. Araştırmada doğrusal regresyon (LR ), destek vektörü regresyonu ( SVR ), karar ağacı ( DT ), rastgele orman ( RF ) ve ekstra ağaç regresyonu ( ETR ) olarak kısaltılmıştır. Bu yöntemler, veri kümesi içinde örülen kalıpları deşifre etmek için özenle kullanılmıştır. Sonuçlar su dinamiklerinin bilinçli bir şekilde anlaşılmasını olanaklı kılmıştır. Tahmin doğruluğunu arttırmak için, dalgacık dönüşümü (WT) tekniğinin çok önemli bir rol üstlendiği bir hibrit yaklaşım göz önüne alınmıştır. Veri setinin sırasıyla yaklaşık %65 eğitim, %15 doğrulama ve %20'si test verisi olarak kullanılmıştır. Hibrit metodu uygulandığında tahmin başarı oranları yaklaşık olarak %10 oranında artmıştır. Bulgularımız, belirsizliklerin hüküm sürdüğü bir çağda su kaynakları yönetiminin karmaşıklığına yol gösterici çözüm önerisi sunmaktadır. Bu çalışma, ileri matematiksel paradigmaların ve makine öğrenimi modellerinin kullanımının vazgeçilmezliğinin altını çizerek, gelecek nesiller için sürdürülebilir su kaynakları yönetiminin temelini güçlendirmektedir. Entegre öğrenme ve yenilikçi tekniklerin birleşiminden yararlanarak, su kaynakları tahmini ve yönetiminin karmaşık dokusunu deşifre etmeye yönelik süreci aydınlatmaya, esnek ve kalıcı bir su dünyasını oluşturmaya çalışılmıştır. Akış tahmini için Lineer Regresyon (Linear Regression-LR), Destek Vektör Regresyonu (Support Vector Regression-SVR), Karar Ağaçları (Decision Tree- DT), Rasgele Orman (Random Forest- RF) ve Ekstra Ağaçlar Regresyon (Extra Tree Regressor- ETR) yöntemleri uygulanmıştır. Ayrıca, uygulanan modellerin her birinin başarı performansını artırmak amacıyla Dalgacık Dönüşümü (Wavelet Transform- WT) kullanarak hibrit bir yöntem geliştirilmiştir. Karamandere AGİ verileriyle yapılan uygulamada yalın yöntemde en başarılı sonuç LR 97,77 oranıyla sağlanmıştır. Hibrit yöntemde en başarılı sonuç W-ETR 90,99 oranıyla çıkmıştır. İki yöntem arasındaki en fazla başarı artışı ise DT yönteminde %25,6 oranıyla olmuştur. Çaydere AGİ verileriyle yapılan uygulamada yalın yöntemde en başarılı sonuç SVR 60,31 yöntemi ile elde edilmiştir. Hibrit yöntemde en başarılı sonuç W-RF yöntemi 89,12 oranıyla en başarılı yöntemdir. İki yöntem arasındaki en çok başarı artışı ise DT yönteminde 41,54 oranıyla olmuştur. Beşdeğirmen AGİ verileriyle yapılan uygulamada yalın yöntemde ETR 88,09 oranıyla en başarılı yöntem olmuştur. Hibrit yöntemde W-ETR yöntemi 97,73 oranıyla en başarılı yöntemdir. İki yöntem arasındaki en çok başarı artışı ise LR yönteminde 62,48 oranıyla olmuştur. Melekbahçe AGİ verileriyle yapılan uygulamada yalın yöntemde SVR 68,68 oranıyla en başarılı yöntem olmuştur. Hibrit yöntemde W-RF yöntemi 85,24 oranıyla en başarılı yöntemdir. İki yöntem arasındaki en çok başarı artışı ise DT yönteminde 18,36 oranıyla olmuştur. Porsuk Çiftliği AGİ verileriyle yapılan uygulamada yalın yöntemde ETR 67,67 oranıyla en başarılı yöntem olmuştur. Hibrit yöntemde W-ETR yöntemi 91,46 oranıyla en başarılı yöntemdir. İki yöntem arasındaki en çok başarı artışı ise SVR yönteminde 39,77 oranıyla olmuştur. Küçükkumluk AGİ verileriyle yapılan uygulamada yalın yöntemde ETR 70,8 oranıyla en başarılı yöntem olmuştur. Hibrit yöntemde W-ETR yöntemi 86,39 oranıyla en başarılı yöntemdir. İki yöntem arasındaki en yüksek başarı artışı ise SVR yönteminde 20,82 oranıyla olmuştur.
Özet (Çeviri)
Water has multifaceted connections with agriculture, the economy, health, energy usage, and sanitation. With climate change and population growth, water scarcity is predicted to become a pressing issue in the near future. Therefore, safeguarding clean water resources and increasing their efficiency and longevity are of paramount importance. Efficient and economic use of existing water resources is imperative. Predicting the amount of water available for use and monitoring changes in water potential are crucial aspects of water planning. Amidst the increasing global challenges arising from population growth and climate change, effective water resource management has become an urgent priority. This scientific dissertation aims to estimate the mean flow velocities of chosen rivers from diverse river basins in Turkey. The research involves a detailed examination of daily mean flow data, total daily precipitation and the daily mean air temperature values in order to address the intricacies of estimating future water potential. The research adopts a logical approach with causal connections between statements, and all technical terms are explained when introduced. The language is formal and objective, with clear and concise sentences, balanced arguments, precise vocabulary, and grammatical accuracy. The text adheres to standard academic formatting, including citation and footnote style, with titles that are factual and unambiguous. The aim of this research centres on various well-established methodologies, encompassing linear regression (LR), support vector regression (SVR), decision tree (DT), random forest (RF), and extra tree regression (ETR).Our team has meticulously applied these techniques to reveal underlying patterns within the dataset. As a result, we have developed an informed comprehension of water dynamics. To enhance prediction accuracy, a hybrid approach is utilized wherein the wavelet transform (WT) technique plays a fundamental role. The data was split into three parts for training, checking, and testing, with 65%, 15%, and 20% allocated to each respectively. When the hibrid method was utilised, the rates of success in predictions rose by about 10%. Our discoveries offer a guiding resolution to the intricacy of water resource administration during an age of uncertainty. This investigation establishes the significance of implementing sophisticated mathematical paradigms and machine learning models, thereby reinforcing the groundwork for sustainable management of water resources in future decades. By combining integrated learning with innovative techniques, this study aims to clarify the process of interpreting the intricate web of water resource forecasting and management. The ultimate goal is to promote the development of a durable and adaptable water infrastructure. Linear Regression (LR), Support Vector Regression (SVR), Decision Tree (DT), Random Forest (RF) and Extra Tree Regression (ETR) methods were applied for flow prediction. In addition, a hybrid method was developed using Wavelet Transform (WT) to improve the performance of each of the applied models. In the application with Karamandere AGI data, the most successful result was obtained with LR 97.77 in the lean method. In the hybrid method, the most successful result was W-ETR 90.99. The highest success increase between the two methods was 25.6% in the DT method. In the application with Çaydere AGI data, the most successful result was obtained with SVR 60.31 in the lean method. In the hybrid method, the W-RF method is the most successful method with a rate of 89.12. The highest success increase between the two methods was 41.54 in the DT method. In the application with Beşdeğirmen AGI data, ETR was the most successful method with a rate of 88.09 in the lean method. In the hybrid method, W-ETR method is the most successful method with a rate of 97.73. The highest success increase between the two methods was 62.48 in the LR method. In the application with Melekbahçe AGI data, SVR was the most successful method with a rate of 68.68 in the lean method. In the hybrid method, W-RF method is the most successful method with a rate of 85.24. The highest success increase between the two methods was 18.36 in the DT method. In the application made with the data of Porsuk Farm AGI, ETR was the most successful method with a rate of 67.67 in the lean method. In the hybrid method, W-ETR method is the most successful method with a rate of 91.46. The highest success increase between the two methods was 39.77 in the SVR method. In the application with Küçükkumluk AGI data, ETR was the most successful method with a rate of 70.8 in the lean method. In the hybrid method, W-ETR method is the most successful method with a rate of 86.39. The highest success increase between the two methods was 20.82 in the SVR method.
Benzer Tezler
- Farkli yapay zeka yöntemleri̇yle günlük akarsu akim değerleri̇ni̇n tahmi̇ni̇-Haldi̇zen Deresi̇ örneği̇
Estimation of daily streamflow using different artificial intelligence methods-a case study of Haldizen Stream
SİNAN NACAR
Yüksek Lisans
Türkçe
2014
İnşaat MühendisliğiAksaray Üniversitesiİnşaat Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ALİ HINIS
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU
- Алуу жана колдонуучулардынканааттануусун баалоо:бишкек шаарындаэмпирикалык изилдөө
E-devletin benimsenmesi ve kullanıcı memnuniyetinin değerlendirilmesi: Bişkek şehrinde ampirik bir araştırma
ACAR ŞARŞENKADIROVA
Yüksek Lisans
Kırgızca
2024
İşletmeKırgızistan-Türkiye Manas Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. AZAMAT MAKSÜDÜNOV
- APPN mimarisi ile diğer şebeke mimarilerinin bütünleştirilmesine ilişkin yöntemler
Integration methods of APPN architecture and other networking architectures
ALPER GÜVENER
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY