Makine öğrenmesi teknikleriyle göl seviyesi tahmini: Büyük Göller örneği
Lake level estimation with machine learning techniques: Great Lakes example
- Tez No: 851466
- Danışmanlar: DOÇ. DR. VAHDETTİN DEMİR
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: KTO Karatay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Yeryüzündeki bütün canlılar için su vazgeçilmez bir kaynaktır. Bundan dolayı mevcut su kaynaklarının dikkatli kullanılması ve su seviyelerinin takip edilmesi önemlidir. Dünya üzerinde bulunan çok sayıda su kaynağının su seviyesinde iniş ve çıkışlar yaşanmaktadır. ABD'de bulunan beş büyük göl Dünya üzerindeki tatlı suyun %20'sini barındırır. Bu çalışmada, ABD'deki beş büyük gölün su seviyelerinin incelenmesi ve önceden tahmin edilebilmesi için üç farklı YSA modeli kullanılarak aylık bazda su seviyelerinin tahmini yapılmıştır. Bu amaç doğrultusunda Superior Gölü, Michigan-Huron Gölü, Erie Gölü ve Ontario Gölü'nün 1923-2022 yılları arasındaki aylık göl su seviyeleri incelenmiştir. Kullanılan YSA modelleri Çok Katmanlı YSA (ÇKYSA), Radyal Tabanlı YSA (RTYSA) ve Genelleştirilmiş Regresyon YSA (GRYSA)'dır. Veri örneği, ortalama göl su seviyesinin 100 yıllık (1923-2022) kaydından oluşmaktadır. Tüm verilerin %75'i eğitim aşaması için, %25'i ise test aşaması için kullanılmıştır. Değerlendirme kriteri olarak ortalama mutlak hata (OMH), karekök ortalama karesel hata (KOKH) ve determinasyon katsayısı (R2) kullanılmıştır. Sonuçlar incelendiğinde limitler dahilinde bütün modellerin eğitim ve test aşamalarında çok iyi tahminlerde bulunduğu görülmektedir. Ancak test sonuçlarına göre en başarılı sonucu veren model algoritmaları sırasıyla ÇKYSA, RTYSA, GRYSA'dır.
Özet (Çeviri)
Water is an indispensable resource for all living things on earth. Therefore, it is important to use existing water resources carefully and monitor water levels. There are rises and falls in the water level of many water resources around the World. Five large lakes in the USA contain 20% of the World's fresh water. In this study, water levels were estimated on a monthly basis using three different ANN models to examine and predict the water levels of five large lakes in the USA. For this purpose, monthly lake water levels of Lake Superior, Michigan Lake Huron, Lake Erie and Lake Ontario between 1923 and 2022 were examined. The ANN models used are Multi-Layer ANN (MANN), Radial Basis ANN (RBANN) and Generalized Regression ANN (GRANN). The data sample consists of a 100-year (1923-2022) record of the average lake water level. 75% of all data was used for the training phase and 25% for the testing phase. Mean absolute error (MAE), root mean square error (RMSE) and coefficient of determination (R2) were used as evaluation criteria. When the results are examined, it is seen that all models make very good predictions during the training and testing phases, within limits. However, according to the test results, the model algorithms that give the most successful results are MANN, RBANN, and GRANN, respectively.
Benzer Tezler
- Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2021
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ARAS
- Makine öğrenmesi teknikleriyle kripto para duygu analizi
Başlık çevirisi yok
GÜL CİHAN HABEK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MANSUR ALP TOÇOĞLU
DOÇ. DR. AYTUĞ ONAN
- Makine öğrenmesi teknikleriyle yazılım uyum metriklerinin tahmini
Predicting software coheson metrics with machine learning techniques
ELİF NUR HANER KIRĞIL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ
- Makine öğrenmesi teknikleriyle itfaiye istasyonlarının performansının ölçülmesine yönelik web uygulaması
A web application for measuring performance of fire stations through machine learning techniques
EKİN AKKOL
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CAN AYDIN
- Makine öğrenmesi teknikleriyle kredi başvuru skor kartının oluşturulması
Developing credit application skorcard with machine learning techniques
NESRİN AKPINAR
Yüksek Lisans
Türkçe
2019
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR