Makine öğrenmesi yöntemleri ile kentsel su talebi tahmini: Sakarya örneği
Urban water demand forecasting with machine learning methods: Sakarya example
- Tez No: 904309
- Danışmanlar: DOÇ. DR. BORA ÇEKYAY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 159
Özet
Su, tüm canlılar için en mühim tabii kaynaklardan biridir. Günümüzde su kaynaklarının sürdürülebilir yönetimi, ekonomi, tarım ve enerji dengesinde çok önemli bir yere sahip olmakla birlikte kırsal ve kentsel ortamlarda toplumun sağlık ve refahına ilişkin ihtiyaçların karşılanmasının anahtarıdır. Özellikle son dönemlerde yaşanan iklim değişikliği, nüfus artışları, sanayileşmenin hızlanması ve kentleşme oranın artması gibi etkenler su kaynakları azalırken su ihtiyacının artmasına neden olmuştur. Bu sebeple içme suyu talebi ve su kaynakları arasındaki dengenin sürdürülebilmesi için doğruluğu yüksek yöntemlere ihtiyaç duyulmaktadır. Bu amaçla geleceğe yönelik su talebi tahmininin yapılması, kentsel su kaynakları temininin daha iyi işletilmesi ve yönetilmesi için gereklidir. Bu çalışmanın amacı farklı makine öğrenmesi teknikleriyle 2024 yılı için Sakarya'nın su tüketim ihtiyacını belirleyebilecek bir tahmin modeli oluşturmaktır. Bu çalışmada bağımsız değişkenler; günlük ortalama sıcaklık, günlük ortalama bağıl nem, günlük toplam yağış miktarı, abone sayısı, ağ uzunluğu, boruların ortalama yaşı, şebekenin ortalama basıncı ve kayıp-kaçak oranı alınmıştır. Çalışma kapsamında doğruluğu farklı tahmin problemleri üzerinde kanıtlanmış makine öğrenmesi yöntemlerinden; Çoklu Doğrusal Regresyon (ÇDR), Karar Ağacı (KA) Regresyon, Rastgele Orman (RO) Regresyon, Destek Vektör Regresyonu (DVR) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Modeller 2024 yılı su tüketim ihtiyacını belirlemek için Sakarya Su ve Kanalizasyon Genel Müdürlüğü (SASKİ) tarafından sağlanan 2017-2023 yılları arasındaki 7 yıllık geçmiş veriye dayanmaktadır. Çalışma sonuçları farklı performans ölçütlerine göre değerlendirilip ilgili kurumların su yönetimi çalışmalarına bir ışık tutması amaçlanmıştır.
Özet (Çeviri)
Water is one of the most important natural resources for all living things. Today, sustainable management of water resources has a very important place in health, economy, agriculture, and energy balance and is the key to meeting the needs of society regarding health and well-being in rural and urban environments. Especially in recent years, due to factors such as climate change, population increases, the acceleration of industrialization, and the increased urbanization rate, water resources have decreased while water needs have increased. For this reason, high-accuracy methods are needed to maintain the balance between drinking water demand and water resources. For this purpose, water demand forecasting is necessary for the better operation and management of urban water resource supply. The aim of this study is to create a model that can predict the water consumption needs of Sakarya in 2024 using different machine learning techniques. The independent variables in this study include daily average temperature, daily average relative humidity, daily total precipitation, number of subscribers, network length, average pipe age, network pressure, and loss-leakage rate. The study used machine learning methods that have been proven to be accurate on many forecasting tasks, including multivariate linear regression, decision tree regression, random forest regression, support vector machine regression, and artificial neural networks. These models are based on 7-year historical data between 2017 and 2023 provided by the Sakarya General Directorate of Water and Sewerage (SASKİ) to predict the water consumption needed in 2024. The study results were evaluated according to differentperformance criteria and aimed to shed light on the water management activities of relevant institutions.
Benzer Tezler
- Deprem riskli sosyal konutların katılımcı ve sürdürülebilir kentsel dönüşümü: Güngören-Tozkoparan örneği
Participant and sustainable urban renewal of social housing with earthquake risk: The case of Gungoren-Tozkoparan
IRMAK ÇATALCALI
Yüksek Lisans
Türkçe
2023
11111İstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. DİLEK YILDIZ ÖZKAN
- Kentsel atıksu arıtma tesisi biyolojik oksijen ihtiyacının (BOİ5) makina öğrenmesi yöntemleri ile tahmin edilmesi
Estimation of the biological oxygen need (BOD5) of urban wastewater treatment plant with machine learning methods
ERCAN SELVİ
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEYTULLAH EREN
- A comprehensive analysis of turkish sea level changes and future modeling using machine learning methods
Türk deniz seviyesi değişikliklerinin kapsamlı analizi ve makine öğrenimi yöntemleriyle gelecek modellemesi
ELİF KARTAL
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Land cover segmentation of very high-resolution remotely sensed data using CNN and transformer models
Transformer ve CNN modelleri kullanarak çok yüksek çözünürlüklü uzaktan algılama görüntülerinin arazi örtüsü segmentasyonu
CENGİZ AVCI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Unveiling the performance of pre-processing approaches in machine learning based flood susceptibility mapping
Makine öğrenmesi tabanlı sel duyarlılık haritalamasında ön işleme yöntemlerinin performansının açıklanması
NİHAL GÜLCAN
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER EKMEKCİOĞLU