Geri Dön

Reconstruction of river flows by era5 reanalysis dataset and long short-term memory models

Era5 reanalı̇z verı̇ setı̇ ve uzun kısa sürelı̇ bellek modellerı̇ ı̇le nehı̇r akımlarının yenı̇den oluşturulması

  1. Tez No: 899621
  2. Yazar: İSMAİL ÜNLÜTÜRK
  3. Danışmanlar: DOÇ. DR. ALİ ERCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik Bilim Dalı
  13. Sayfa Sayısı: 89

Özet

Uzun vadeli ve devamlı nehir akım verileri, su kaynakları yönetimi, taşkın ve kuraklık analizi, hidrolik altyapıların tasarımı ve yönetimi, iklim değişikliği araştırmaları ve nehir akışlarının tahmin edilmesi için gerekli olmasına rağmen, dünya çapında sınırlı nehir akım verisi bulunmaktadır. İklim reanalizi veri setleri, geçmişteki hava durumu ve iklimin şu anda mümkün olan en eksiksiz resmini sunmaktadır. Son zamanlarda derin öğrenme, hidroloji ve iklim araştırmaları da dahil olmak üzere çeşitli alanlarında büyük başarı göstermiştir. Bu çerçevede, bu çalışmanın kapsamı, ERA5 Reanaliz iklim veri setini girdi olarak kullanan bir Uzun Kısa Süreli Bellek (LSTM) modeli ile tarihsel günlük ve aylık nehir akımlarını yeniden oluşturmak için bir metodoloji geliştirmektir. Örnek olarak, önerilen metodoloji Türkiyedeki Seyhan ve Fırat Havzalarında seçilen istasyonlarda kullanılmıştır. LSTM modeli kalibrasyon döneminde (2000-2011), Korelasyon Katsayısı (R) aylık akışlar için 0,96-0,99 ve günlük akışlar için 0,92-0,98 aralığında; Nash-Sutcliffe Model Verimliliği (NSE) değeri aylık akışlar için 0,87-0,99 ve günlük akışlar için 0,80-0,96 aralığında; Kling-Gupta Verimliliği (KGE) değeri ise aylık akışlar için 0,81-0,95 ve günlük akışlar için 0,83-0,92 aralığındadır. Öte yandan, test döneminde (2012-2015), R aylık akışlar için 0,92-0,97 ve günlük akışlar için 0,87-0,91 aralığında; NSE değeri aylık akışlar için 0,84-0,92 ve günlük akışlar için 0,73-0,82 aralığında; KGE değeri ise aylık akışlar için 0,82-0,90 ve günlük akışlar için 0,72-0,86 aralığında değişmektedir. Sonuç olarak, önerilen nehir akımı yeniden yapılandırma metodolojisi, yeterince uzun kalibrasyon ve test veri setleri mevcutsa, seçilen konumlardaki nehir akımları başarılı bir şekilde yeniden oluşturulabilinir.

Özet (Çeviri)

Although long-term and continuous river flow data is necessary for water resources management, flood and drought analysis, design and management of hydraulic infrastructures, climate change research, and predicting river flows, there are limited river flow data around the world. Climate Reanalysis datasets provide the most complete picture currently possible of past weather and climate. Recently, deep learning has shown great success in various fields including hydrology and climate research. Within the above framework, the scope of this study is to develop a methodology to reconstruct historical daily and monthly river flows by a Long Short-Term Memory (LSTM) model, utilizing the ERA5 Reanalysis climate dataset as inputs. As a demonstration, the proposed methodology is used at selected stations in the Seyhan and Euphrates Watersheds in Türkiye. During the training period (2000-2011), correlation coefficient (R) is within 0.96-0.99 for monthly flows and 0.92-0.98 for daily flows, Nash-Sutcliffe Model Efficiency (NSE) value is within 0.87-0.99 for monthly flows and 0.80-0.96 for daily flows, and Kling-Gupta Efficiency (KGE) value is within 0.81-0.95 for monthly flows and 0.83-0.92 for daily flows. On the other hand, during the test period (2012-2015), R ranges within 0.92-0.97 for monthly flows and 0.87-0.91 for daily flows, NSE value ranges within 0.84-0.92 for monthly flows, and 0.73-0.82 for daily flows, and KGE value ranges within 0.82-0.90 for monthly flows, and 0.72-0.86 for daily flows. To conclude, the proposed river flow reconstruction methodology can successfully reconstruct river flows at selected locations if sufficiently long training and test datasets are available.

Benzer Tezler

  1. Akım serilerinin kaotik analizi karadeniz havzası uzerine bir uygulama

    Chaotic analysis of river discharge time series a case study on black sea river basins

    ASLIHAN ALBOSTAN

    Doktora

    Türkçe

    Türkçe

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. BİHRAT ÖNÖZ

  2. Hopa çayı havzası uygulamalı jeomorfoloji etüdü

    Hopa stream basin applied geomorphology study

    ASENA ÇETİNKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Coğrafyaİstanbul Üniversitesi

    Coğrafya Ana Bilim Dalı

    PROF. DR. HÜSEYİN TUROĞLU

  3. Jeomorfolojik veriler ışığında DiyarbakırHavzası'nın (Diyarbakır) holosen jeoarkeolojisi

    The holosen geoarchaeology of the Diyarbakır basin (Diyarbakır) in the light of geomorphological data

    ALADDİN AL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    ArkeolojiBatman Üniversitesi

    Arkeoloji Ana Bilim Dalı

    PROF. DR. GÜLRİZ KOZBE

  4. Space time evolution of dynamical systems with few degrees of freedom

    Düşük boyutlu dinamik sistemlerin uzay zaman evrimi

    ERGUN ERAY AKKAYA

    Doktora

    İngilizce

    İngilizce

    2016

    Fizik ve Fizik MühendisliğiYeditepe Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. AVADİS SİMON HACINLIYAN

  5. Sakarya havzası akım verilerinin dendroklimatolojik yöntemlerle rökonstrüksiyonları

    Reconstructions of Sakarya basin streamflow data using dendroclimatological methods

    HÜSEYİN TUNCAY GÜNER

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Botanikİstanbul Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NESİBE KÖSE