Farklı makine öğrenmesi teknikleri kullanılarak Beyşehir Gölü su seviyesinin tahmini
Estimation of Beyşehir Lake water level using different machine learning techniques
- Tez No: 880008
- 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: 113
Özet
Su, dünya üzerindeki tüm canlıların yaşamlarını sürdürebilmesi için hayati ve vazgeçilmez bir kaynaktır. Sadece canlıların ihtiyaç duyduğu bir unsur olmanın ötesinde, su aynı zamanda ekosistemin bütünlüğü, ekonominin kalkınması, ulusal güvenliğin sağlanması ve enerji üretimi içinde kritik bir role sahiptir. Dünya'da zaman içerisinde küresel nüfusun artışı, doğal çevremizde meydana gelen ekolojik tahribatlar su kaynaklarının varlığını tehdit eder hale gelmiştir. Bu tahribatlar iklim elemanları üzerinde geri dönüşü olmayan olumsuz etkilere yol açmış ve küresel su döngüsünü bozarak, su kaynaklarının miktar ve kalitesini olumsuz etkilemiştir. Bu nedenle mevcut su kaynaklarının korunması ve yönetimi, ekosistemlerin ve tüm canlıların geleceği için büyük önem arz etmektedir. Bu çalışmada, Türkiye'nin en büyük tatlı su gölü olan Beyşehir Gölü'nün 6 farklı makine öğrenmesi metodu yardımıyla, göl su seviyesinin incelenmesi ve geleceğe yönelik tahmini yapılmıştır. Çalışmada 1950-2022 yılları arasını kapsayan 876 aylık göl su seviyesi ölçüm (gözlem) verileri kullanılmıştır. Bu veriler belirli işlemlere tabii tutularak her biri 14 girişe sahip dört farklı veri setine (P1, P2, P3, P4) ayrıştırılmış ve tüm verilerin %75'i eğitim, %25'i test aşamasında olmak üzere modellemelerde kullanılmıştır. Altı farklı makine öğrenme modeli ((Çok Katmanlı YSA (ÇKYSA) 100 ve 1000 iterasyonlu, Genelleştirilmiş Regresyon YSA (GRYSA), Radyal Tabanlı YSA (RTYSA), M5-Tree Model Ağacı, Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (MARS), ve Destek Vektör Makineleri (DVM)) yardımıyla her bir veri seti 14 giriş için ayrı ayrı modellenip, analiz edilmiştir. Çalışmada değerlendirme kriteri olarak Karekök Ortalama Karesel Hata (KOKH), Ortalama Mutlak Hata (OMH) ve Determinasyon Katsayısı (R²) kullanılmıştır. Analiz sonuçlarına göre, Radyal Tabanlı YSA metodunun, göl su seviyesi tahmininde en başarılı yöntem olduğu belirlenmiştir. Diğer yöntemlerin RTYSA'ya kıyasla daha az başarılı sonuçlar verdiği, ancak kendi aralarında uyumlu ve literatürdeki değerlere benzer olduğu gözlemlenmiştir.
Özet (Çeviri)
Water is a vital and indispensable resource for the survival of all living things on earth. Water is not only a factor needed by living beings, but also has a critical role in the integrity of the ecosystem, in the development of the economy, in ensuring national security and in energy production. The increase in the global population in the world over time, ecological destruction in our natural environment have become a threat to the existence of water resources. These damages have caused irreversible negative effects on climate elements and have negatively affected the quantity and quality of water resources by disrupting the global water cycle. For this reason, the protection and management of existing water resources is of great importance for the future of ecosystems and all living things. In this study, the lake water level of Lake Beyşehir, the largest freshwater lake in Turkey, is examined and predicted for the future with the help of 6 different machine learning methods. In the study, 876 months of lake water level measurement (observation) data covering the period between 1950-2022 were used. These data were subjected to certain processes and divided into four different data sets (P1, P2, P3, P4), each with 14 inputs, and 75% of all data were used in the training and 25% in the testing phase. Each data set was modelled and analysed separately for 14 inputs with the help of six different machine learning models (Multilayer ANN (MLANN) with 100 and 1000 iterations, Generalised Regression ANN (GRANN), Radial Basis ANN (RBANN), M5-Tree Model, Multivariate Adaptive Regression Spline (MARS), and Support Vector Machines (SVM)). Root Mean Square Error (RMSE), Mean Absolute Error (MAE) and Coefficient of Determination (R²) were used as evaluation criteria in the study. According to the results of the analyses, it was determined that the Radial Basis ANN method was the most successful method in lake water level prediction. It was observed that other methods gave less successful results compared to RBANN, but they were compatible among themselves and similar to the values in the literature.
Benzer Tezler
- Drought prediction based on meteorological data using ensemble machine learning techniques
Topluluk tabanlı makine öğrenmesi teknikleri kullanılarak meteorolojik verilere dayalı kuraklık tahmini
ERTUĞRUL ÖZÜPEK
Yüksek Lisans
İngilizce
2024
MatematikGebze Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. NURİ ÇELİK
- Rulman arızalarının makine öğrenmesi teknikleri kullanılarak sınıflandırılması
Classification of bearing faults using machine learning techniques
AYHAN DÜKKANCI
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiBurdur Mehmet Akif Ersoy ÜniversitesiMalzeme Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL KIRBAŞ
- Akademik başarının eğitsel veri madenciliği ve makine öğrenmesi teknikleri kullanılarak tahminlenmesi
Predicting academic achievement using educational data mining and machine learning techniques
AYŞE ALKAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR SEVLİ
- Veri madenciliği teknikleri ile sağlık turizminde rezervasyon iptallerinin tahmini
Prediction of reservation cancellations in health tourism with data mining techniques
EROKAN CANBAZOĞLU
- Saldırı tespit sistemleri için makine öğrenme yöntemlerinin performans karşılaştırması
Performance comparison of machine learning methods for attack detection systems
CİHAT GÜRMEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM BERKAN AYDİLEK