Makine öğrenim yöntemleri kullanılarak gri suyun kullanım amaçlarına göre sınıflandırılması
Classification of gray water according to purposes of using machine learning methods
- Tez No: 849262
- Danışmanlar: DOÇ. DR. ZEHRA YİĞİT AVDAN, DR. ÖĞR. ÜYESİ DİLEK KÜÇÜK MATCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Çevre Mühendisliği, Computer Engineering and Computer Science and Control, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Teknolojisi Bilim Dalı
- Sayfa Sayısı: 88
Özet
Günümüzde nüfus artışı, endüstriyel gelişim, iklim değişikliği ve bilinçsiz tüketim gibi faaliyetler su kaynakları üzerindeki baskıyı arttırmıştır. Yaşanan su kıtlığı yüzünden alternatif su kaynağı arayışları başlamıştır. Bunların en başında da atık suların yeniden kullanım yöntemleri gelmektedir. Gri su, banyo, mutfak, çamaşır ve bulaşık makinelerinden kaynaklanan arıtılmamış, herhangi bir şekilde tuvalet suyu karışmamış ve arıtılarak yeniden kullanılabilecek bir atık sudur. Gri suyun yeniden kullanımı sürdürülebilirlik açısından önemlidir. Özellikle son yıllarda yapay zekâ alanında yaşanan önemli gelişmelerle yapay zekâ kavramı sıkça kullanılan bir terim haline gelmiştir. Yapay zekânın alt dallarından olan makine öğrenimi kullanılarak gri suların kullanılabileceği alanların belirlenmesi amaçlanmıştır. Çalışmada düşük gelirli ve yüksek gelirli ülkelerin karışık gri su kirlilik parametre değerlerine göre yüksek ve düşük giderim verimli arıtma ile giderildiğinde hangi alanlarda kullanılabilirliği makine öğrenim yöntemleriyle belirlenmiştir. Karışık gri suların girdi parametreleri olarak biyolojik oksijen ihtiyacı, pH, askıda katı madde, toplam azot ve toplam fosfora kullanılmıştır. Sadece rastgele orman algoritmasıyla yapılan çalışmada, yüksek giderim verim oranı ile karışık gri suların %57'si 1.sınıf olarak kamu erişiminin kısıtlanmadığı her alanda kullanılabilir olduğu gözükmüştür.
Özet (Çeviri)
Today, activities such as population growth, industrial development, climate change and unconscious consumption have increased the pressure on water resources. Due to water scarcity, the search for alternative water sources has begun. The most important of these is the reuse methods of wastewater. Gray water is untreated wastewater from bathrooms, kitchens, washing machines and dishwashers, not mixed with toilet water in any way, and can be purified and reused. Reuse of gray water is important for sustainability. Especially with the important developments in the field of artificial intelligence in recent years, the concept of artificial intelligence has become a frequently used term. It is aimed to determine areas where gray water can be used by using machine learning, which is a sub-branch of artificial intelligence. In the study, according to the mixed gray water pollution parameter values of low-income and high-income countries, the areas in which high and low removal can be used when removed by efficient treatment were determined by machine learning methods. Biological oxygen demand, pH, suspended solids, total nitrogen and total phosphorus were used as input parameters of mixed gray waters. In the study conducted only with the random forest algorithm, it was observed that 57% of the mixed gray water with a high removal efficiency rate can be used in all areas where public access is not restricted as first class.
Benzer Tezler
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Yapısal MR görüntülerinden makine öğrenimi yöntemleri kullanılarak şizofreninin sınıflandırılması
Classification of schizophrenia using machine learning methods from structral MR images
MERVE ANDAÇ
Yüksek Lisans
Türkçe
2023
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFE GENGEÇ BENLİ
- Skin lesion classification with machine learning
Makine öğrenmesi ile cilt lezyonu sınıflandırması
ESRA SENDEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Yeni doğan bebeklerin termal görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of thermal images of neonates with deep learning methods
AHMET HAYDAR ÖRNEK
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Classification of hand gestures using time-frequency analysis and different artificial intelligence methods
Zaman-frekans analizi ve farklı yapay zeka yöntemleri kullanılarak el hareketlerinin sınıflandırılması
DENİZ HANDE KISA
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
PROF. DR. AYDIN AKAN