Apa Barajı havzasındaki hidrolojik parametrelerin makine öğrenmesi ile tahmini
Estimation of hydrological parameters in Apa Dam basin by means of machine learning
- Tez No: 860971
- Danışmanlar: PROF. DR. MEHMET ALİ HINIS
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Aksaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 254
Özet
Son yıllarda, özellikle de sanayi devriminden sonra insanoğlunun suya olan ihtiyacı artmıştır. Canlılar için yaşamsal önemi tartışılmaz olan bu suyun, gelecekteki ve mevcut miktarının korunması tüm insanoğlunu ilgilendiren bir konu haline gelmekten ötesine geçmiş, herkesin bu konu hakkında neler yapılabileceği son günlerde tartışılır hale gelmiştir. Ortalama yağış miktarından belli bir periyod boyunca görülen azalma olarak tanımlanan kuraklık, su kaynaklarına mevcudiyetine etki eden unsurlar arasındadır. Kuraklık doğal afetler arasından en sinsi olanlardan birisidir ve gerçekleştiğinde insanoğlu bunun farkına varmayabilir. Kuraklık olaylarını izlemek, değerlendirmek için genellikle kuraklık indislerinden yararlanılmaktadır. Bu çalışmada da kuraklık indisi olarak Standartlaştırılmış Yağış İndisi (SYİ) ve Akış Kuraklık İndisinden (AKİ) faydalanılmıştır. Bunların yanı sıra, kuraklıklara etki eden ve hesaplarında kullanılan hidrolojik ve meteorolojik verilerden de istifade edilmiştir. En geniş aralık olan 1955-2022 yıllarını kapsayan aylık toplam yağış, aylık ortalama sıcaklık, aylık maksimum sıcaklık, aylık minimum sıcaklık, aylık ortalama baraj göl seviyesi kotu, aylık ortalama baraj hacim verisi, aylık ortalama akım verisi bu çalışmada kullanılmıştır. Çalışma alanı olarak, Türkiye'nin tahıl ihtiyacının önemli bir kısmını gideren Konya Kapalı Havzası'nın orta kesimlerinde yer alan Apa Barajı Bölgesi seçilmiştir. Geçmişten günümüze kadar insanoğlu çevresel problemler ile büyük bir mücadele vermektedir. Bu mücadelede, bilim insanları alternatif çözüm yolları aramaktadır. Hemen hemen her problemde olduğu gibi, bir soruna çözüm bulmanın en iyi yöntemlerden birisi, geçmiş deneyimlerimizden yararlanarak geleceğe yönelik tahminlerde bulunmaktır. Hidrolojide de geçmişteki veriden faydalanarak geçmişteki davranışların değişmeyeceği varsayılarak gelecekteki eylemler tahmin edilebilir ve su döngüsü, su kaynaklarının planlanması, havza yönetimi, kuraklık analizi, matematiksel modelleme gibi konularda çalışılmaktadır. Tüm bunlardan esinlenerek, bu çalışmada Konya Kapalı Havzasında yer alan Apa Barajı bölgesine etki eden hidrolojik parametreleri tahmin edebilmek için çeşitli makine öğrenme yöntemlerinden yararlanılmıştır. Bu çalışmada kullanılan makine öğrenme yöntemleri Destek Vektör Makineleri (DVM), Yapay Sinir Ağları (YSA), Karar Ağaçları (KA), Rastgele Orman (RO)'dir. Yağışı esas olan 3 farklı model kurulmuştur. Bu modeller kuraklık tahmin modeli, yağış-akış tahmin modeli, baraj göl seviyesi tahmin modelidir. Bu modellerin iyileştirilmesi için dalgacık dönüşümünden faydalanılmıştır. Kurulan modeller hem birbirleri ile hem de makine öğrenme algoritmaları performanslarına göre birbiriyle kıyaslanmıştır. Model performanslarının kıyaslanması için Nash-SutCliffe (NS), Kök Ortalama Kare Hata (RMSE) ve Korelasyon katsayısından (r) faydalanılmıştır. Çalışmanın sonucunda; kuraklık tahmin modellerinde DVM'nin genellikle diğer algoritmalara göre daha iyi sonuç verdiği belirlenmiştir. Kuraklık tahmin modellerinde model girdi yapısı hem sadece SYİ hem de aylık toplam yağış verisi ile oluşturulan modellerin diğer modellere göre daha etkili performans gösterdiği tespit edilmiştir. Kuraklık tahmin modellerinde en başarılı model, DVM'nin dalgacık dönüşümünde tespit edilen (NS: 0.9970, RMSE: 0.0498, r: 0.9986 performans değerleri ile) M05'dir. Yağış-akış tahmin modellerinde; dalgacık dönüşümü olmadan yapılan analizlerde DVM ve RO genellikle diğer algoritmalara göre daha iyi sonuç vermiştir. Burada model yapısına veri çeşitliliğin artırılması model performans parametrelerini olumlu yönde etkilemiştir. Bu çalışmadaki yağış-akış modellemesinde dikkat çeken bulgulardan biri, dalgacık dönüşümü sonrasında, giriş yapısında sadece akış verilerinin kullanılmasının, önceki dalgacık dönüşümü olmayan modellerdeki bulguların aksine, model performanslarını olumlu yönde etkilemesidir. M26 (NS: 0.9781, RMSE: 0.2989, r: 0.9893), bu sınıfta en etkili sonucu vermiştir. Baraj göl seviyesi tahmin modellerinde de; dalgacık dönüşümü olmadan RO ve DVM, diğer algoritmalara göre üstünlük sağlamıştır. Model girdi yapısında baraj hacmi ve baraj göl seviyesi verisinin kullanılması model performanslarını artırmıştır. Dalgacık dönüşümünden sonra ise model girdi yapısında akış verisi ve kot verisinden oluşturulan M18 (NS: 0.9851, RMSE: 0.6942, r: 0.9926), diğer modellere göre üstün performans göstermiştir.
Özet (Çeviri)
In recent years, especially after the industrial revolution, humankind's need for water has increased. The preservation of the future and current amounts of this water, whose vital importance for living things is indisputable, has gone beyond becoming an issue that concerns all human beings and has become debatable what everyone can do about this issue in recent days. Drought, defined as a decrease in the average rainfall over a certain period, is among the factors that affect the availability of water resources. Drought is one of the most insidious natural disasters. When it occurs, people may not be aware of it. Drought indices are generally used to monitor and evaluate drought events. In this study, Standardized Precipitation Index (SPI) and Streamflow Drought Index (SFI) were used as drought index. In addition, hydrological and meteorological data affecting droughts and used in their calculations were also utilized. Monthly total precipitation, monthly average temperature, monthly maximum temperature, monthly minimum temperature, monthly average dam lake level elevation, monthly average dam volume data, monthly average flow data covering the widest range of 1955-2022 were used in this study. The Apa Dam Region, located in the middle parts of the Konya Closed Basin which meets a significant part of Turkey's grain needs, was chosen as the study area. From past to present, human beings have been struggling with environmental problems. In this struggle, scientists are looking for alternative solutions for the drought phenomena. As with almost every problem, one of the best ways to find a solution to a problem is to make future predictions by taking advantage of our past experiences. In hydrology, future actions can be predicted by using past data - assuming that past behavior will not change - and studies are carried out on topics such as water cycle, water resources planning, basin management, drought analysis and mathematical modeling. Inspired by all these, in this study machine learning algorithms, Support Vector Machines, Artificial Neural Networks, Decision Trees, Random Forest, Multiple Support Vectors were used to predict the hydrological parameters affecting the Apa Dam Region, Konya. Subsequently, 3 different models were established. These models are drought prediction model, rainfall-runoff prediction model, dam lake level prediction model. Wavelet transform was used to improve these models and increase their predictive power. Both the established models were compared with each other according to their performance, and the machine learning algorithms were compared with each other according to statistical criteria. For this purpose, Nash-SutCliffe Efficiency(NS), Root Mean Square Error (RMSE), Correlation Coefficient (r) were used to compare model performances. As a result of the study, it has been determined that SVM generally gives better results than other algorithms in drought prediction models. In drought prediction models, it has been determined that models whose model input structure is created with both SPI and monthly total precipitation data perform more effectively than other models. The most successful model in drought prediction models is M05, which was determined in the wavelet transform of SVM (with performance values of NS:0.9970, RMSE:0.0498, r:0.9986). In rainfall-runoff prediction models; in analyzes performed without wavelet transform, SVM and RO generally gave better results than other algorithms. Here, increasing the data diversity in the model structure positively affected the model performance parameters. One of the striking findings in the rainfall-runoff modeling in this study is that using only flow data in the input structure after wavelet transformation positively affects model performances, unlike the findings in previous models without wavelet transformation. M26 (NS: 0.9781, RMSE: 0.2989, r: 0.9893) gave the most effective result in this class. In dam lake level prediction models; RO and SVM without wavelet transform are superior to other algorithms. Using dam volume and dam lake level data in the model input structure increased model performances. After wavelet transformation, M18 (NS: 0.9851, RMSE: 0.6942, r: 0.9926), which was created from flow data and elevation data in the model input structure, showed superior performance compared to other models.
Benzer Tezler
- Konya kapalı havzası yüzeysel su kalitesi değişiminin izlenmesi
Monitoring alteration of the Konya closed basin's surface water quali̇ty
MEVLÜT DİRİ
Yüksek Lisans
Türkçe
2018
Çevre MühendisliğiNecmettin Erbakan ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN AYDIN
- Konya Çumra ovasında su yönetiminin önemi
The importance of water management in Konya Çumra plain
ALİ ARIASLAN
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiNecmettin Erbakan Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİFE YURDAGÜL KUMCU
- Bozkır-Çumra Apa Barajı ve Hadim (C4 Konya) arasında kalan bölgenin florası
The Flora of the region among Bozkır-Çumra Apa Dam and Hadim (C4 Konya)
OSMAN TUGAY
- Konya-Çumra Ovası yeraltı su kalitesinin değişimi ve sulamada kullanılabilirliği
Graundwater quality and its usablenss at irrigation of Konya-Çumra irrigation area
BERNA OLGUNÇELİK KURU
Yüksek Lisans
Türkçe
1997
ZiraatSelçuk ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
DOÇ. DR. NİZAMETTİN ÇİFTÇİ