Geri Dön

Yapay zekâ teknikleri ile yeraltı su seviyesinin zaman serisi tahmini

Time series prediction of groundwater level with artificial intelligence techniques

  1. Tez No: 898214
  2. Yazar: RAMAZAN ŞENTÜRK
  3. Danışmanlar: DOÇ. DR. RİFAT KURBAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Yeraltı su seviyesi tahmini, Yapay sinir ağı, Doğrusal olmayan otoregresif sinir ağı, Uzun kısa süreli bellek, Groundwater level prediction, Artificial neural network, Nonlinear autoregressive neural network, Long short-term memory
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kayseri Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 99

Özet

Yeraltı suyu kaynaklarının etkin yönetimi kritik öneme sahiptir ve son araştırmalar, yeraltı suyu seviyelerindeki düşüşlerin yeraltı suyu hidrolojisi üzerindeki etkisini vurgulayarak sürdürülebilir uygulamaların gerekliliğini ortaya koymaktadır. Bu tez çalışmasında, yapay zeka teknikleri kullanılarak yeraltı suyu seviyesinin zaman serileri tahmini gerçekleştirilmiştir. Kaggle'dan elde edilen AquiferAuser veri seti kullanılarak, beş farklı kuyunun yeraltı suyu seviyeleri analiz edilmiş ve tahminlerde bulunulmuştur. Çalışma kapsamında NAR-NN ve LSTM gibi yapay sinir ağı algoritmaları kullanılmış ve performansları RMSE değerleri üzerinden karşılaştırılmıştır. Sinir ağları farklı eğitim algoritmaları ve parametrelerle test edilerek en uygun konfigürasyonlar belirlenmiştir. Zaman gecikmesi artarken NAR-NN performansı iyileşmiş ve LSTM performansı düşmüştür. NAR-NN modeli için Bayesian Regularization geri yayılım (trainbr) algoritması, Levenberg-Marquardt geri yayılım (trainlm) algoritmasına göre daha iyi sonuçlar sağlamıştır. LSTM modeli için ise, rmsprop eğitim algoritması adam algoritmasından daha başarılı bulunmuştur. NAR-NN modeli LSTM modeline kıyasla daha düşük RMSE değerleri elde ederek daha yüksek tahmin doğruluğu sergilemiştir. Bu durum, NAR-NN modelinin zaman serilerindeki karmaşık ve doğrusal olmayan ilişkileri daha etkin bir şekilde modelleme yeteneğine bağlanabilir. Bu çalışma, yapay zeka modellerinin su yönetiminde önemli bir rol oynayabileceğini ve doğru model seçimi ile optimizasyonun bu süreçte kritik olduğunu göstermektedir. Yapay zeka modellerinin doğru tahminler yapabilmesi, su kaynaklarının daha verimli ve sürdürülebilir bir şekilde yönetilmesine katkı sağlayacaktır

Özet (Çeviri)

Effective management of groundwater resources is critical and recent research has highlighted the impact of declining groundwater levels on groundwater hydrology, highlighting the need for sustainable practices. In this thesis, groundwater level time series forecasting is performed using artificial intelligence techniques. Using the AquiferAuser dataset obtained from Kaggle, groundwater levels of five different wells were analyzed and predictions were made. Neural network algorithms such as NAR-NN and LSTM were used in the study and their performances were compared based on RMSE values. The neural networks were tested with different training algorithms and parameters to determine the optimal configurations. As the time delay increases, NAR-NN performance improves and LSTM performance decreases. For the NAR-NN model, the Bayesian Regularization backpropagation (trainbr) algorithm provided better results than the Levenberg-Marquardt backpropagation (trainlm) algorithm. For the LSTM model, the rmsprop training algorithm was found to be more successful than the man algorithm. The NAR-NN model exhibited higher prediction accuracy with lower RMSE values compared to the LSTM model. This can be attributed to the ability of the NAR-NN model to model complex and nonlinear relationships in time series more effectively. This study shows that AI models can play an important role in water management and that proper model selection and optimization are critical in this process. The ability of artificial intelligence models to make accurate predictions will contribute to a more efficient and sustainable management of water resources.

Benzer Tezler

  1. Meteorolojik veriler kullanılarak yeraltı su seviyesinin genetik programlama ile tahmini

    Estimation of groundwater level with genetic programming using meteorological data

    EMİN BABAYİĞİT

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT ÇOBANER

  2. Serbest akiferlerdeki yeraltı su seviyeleri ile meteorolojik veriler arasındaki ilişkinin yapay sinir ağları ile belirlenmesi

    Investigation of relationship between groundwater level and meteorological variables with the artificial neural network at unconfined aquifers

    ORKUN KARABORAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT ÇOBANER

  3. Yağış-akış bağıntıları ve yapay zeka teknikleri ile modellenmesi

    The rainfall-runoff correlations and modelling with artificial intelligence techniques

    OSMAN ULUKAYA

    Doktora

    Türkçe

    Türkçe

    2011

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. NECATİ AĞIRALİOĞLU

  4. Havadan alınan termal kamera görüntülerinde canlı tasnifinin yapılmasında derin öğrenme tabanlı tekniklerin uygulanması

    Application of deep learning-based techniques for performing live sorting on aerial thermal camera images

    HALİL USLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN AVCI

  5. Su bütçesi elemanlarının belirlenmesinde yapay zeka yöntemlerinin kullanılması

    Using artifical intelligence methods to determinewater budget compenentes

    BAGER ABI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiHakkari Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHTEREM DEMİROĞLU

    DR. ÖĞR. ÜYESİ MURAT KOCA