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
- Yağmur suyu ızgaralarının hidrolik verimliliğinin makine öğrenmesi yöntemleriyle modellenmesi
Modeling of hydraulic efficiency of storm water grate inlets by machine learning methods
KAYHAN BAYHAN
Yüksek Lisans
Türkçe
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖZGER
- Makine öğrenme yöntemleriyle uydu görüntülerinin sınıflandırılması ve zamansal değişiminin izlenmesi
Classification of satellite images and monitoring the temporary changes by machine learning methods
SOLMAZ BABAKAN
Yüksek Lisans
Türkçe
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR ALGANCI
- Real-time crash risk analysis using deep learning
Derin öğrenmeyle gerçek zamanlı kaza risk analizi
SAEID MORADI
Yüksek Lisans
İngilizce
2022
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN