Geri Dön

Makine öğrenmesi yöntemleri ile kentsel su talebi tahmini: Sakarya örneği

Urban water demand forecasting with machine learning methods: Sakarya example

PDF İndir

  1. Tez No: 904309
  2. Yazar: ESRA OLMUŞTUR
  3. Danışmanlar: DOÇ. DR. BORA ÇEKYAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    203

    Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu

    Başlık çevirisi yok

    İRFAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BORAT

  2. Tez No

    257

    Kuyruk modelleri ve analizi üzerine bir uygulama

    Başlık çevirisi yok

    DİDEM ÖZPULAT

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    İstatistikEge Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET İKİZ

  3. Tez No

    320

    Yenileme yatırımları

    Başlık çevirisi yok

    OSMAN NURİ FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN OKKA

  4. Tez No

    220

    Çeltik kabuklarının yalıtım malzemesi olarak kullanılması

    Başlık çevirisi yok

    B.CİHAN ÇELEBİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KIRBIYIK

  5. Tez No

    221

    Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması

    Başlık çevirisi yok

    ÜMİT AKÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİM DEMİRCİ

Geri Dön