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
- Tez No: 899621
- Danışmanlar: DOÇ. DR. ALİ ERCAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik Bilim Dalı
- 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
- 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
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Hopa çayı havzası uygulamalı jeomorfoloji etüdü
Hopa stream basin applied geomorphology study
ASENA ÇETİNKAYA
Yüksek Lisans
Türkçe
2020
Coğrafyaİstanbul ÜniversitesiCoğrafya Ana Bilim Dalı
PROF. DR. HÜSEYİN TUROĞLU
- Jeomorfolojik veriler ışığında DiyarbakırHavzası'nın (Diyarbakır) holosen jeoarkeolojisi
The holosen geoarchaeology of the Diyarbakır basin (Diyarbakır) in the light of geomorphological data
ALADDİN AL
- Space time evolution of dynamical systems with few degrees of freedom
Düşük boyutlu dinamik sistemlerin uzay zaman evrimi
ERGUN ERAY AKKAYA
Doktora
İngilizce
2016
Fizik ve Fizik MühendisliğiYeditepe ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. AVADİS SİMON HACINLIYAN
- Sakarya havzası akım verilerinin dendroklimatolojik yöntemlerle rökonstrüksiyonları
Reconstructions of Sakarya basin streamflow data using dendroclimatological methods
HÜSEYİN TUNCAY GÜNER
Yüksek Lisans
Türkçe
2010
Botanikİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NESİBE KÖSE