Doğu Karadeniz Bölümünde 1950-2020 yılları arası yaşanan taşkınların makine öğrenimi ve diğer metotlar ile analizi
Analysis of floods in the Eastern Black Sea Region between 1950-2020 with machine learning and other methods
- Tez No: 920485
- Danışmanlar: PROF. DR. ÖMERUL FARUK DURSUN
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik Bilim Dalı
- Sayfa Sayısı: 287
Özet
Taşkın tahminleri, istatistiksel ve hidrolojik pek çok farklı modelleme yöntemi kullanılarak literatürde sıkça incelenmektedir. Ancak taşkınların önceden tahmini oldukça zordur. Bu zorluğun temel nedeni, taşkınlara etki eden çok sayıda parametrenin varlığıdır. Bu çalışmada, Türkiye'nin en fazla taşkın olaylarına maruz kalan bölgelerinden biri olan Doğu Karadeniz Bölümü, çalışma alanı olarak seçilmiştir. Bu kapsamda, havzada meydana gelen en büyük ölçekli 41 taşkın olayına ait detaylı bir envanter taraması yapılmış ve elde edilen veriler düzenlenerek taşkın yayılım haritaları oluşturulmuştur. Çalışmada, geleneksel ve yenilikçi taşkın tahmin yöntemlerinin avantaj ve dezavantajları detaylı bir şekilde irdelenmiştir. Yenilikçi yöntemlerden makine öğrenimi yöntemine odaklanılarak, en uygun yöntem seçimi, veri sayısı, doğrulama yöntemi ve taşkın tetikleyici parametrelerin belirlenmesi gibi genelleme problemleri analiz edilmiştir. Ayrıca, geçmişte yaşanan taşkınlara dayanarak gelecekte yaşanması muhtemel taşkınların tahmini ve havzalar arası taşkın öngörüsü gibi konular da kapsamlı bir şekilde ele alınmıştır. Makine öğrenimi yöntemleri ile yapılan analizlerde, 2338 havza için toplamda 11690 doğrulama sonucu elde edilmiştir. Bunun yanı sıra, taşkın oluşum nedenleri ve makine öğrenimiyle taşkın alanlarının önceden belirlenmesi gibi konularda literatürdeki yöntemlerin başarı düzeyleri değerlendirilmiştir. Çalışmada, M5P Rule Tree modelinin, Analitik Hiyerarşi Prosesi (AHP) ve Frekans Oranı (FR) modellerine kıyasla oldukça başarılı tahminler yaptığı belirlenmiştir. Dokuz farklı makine öğrenimi yöntemiyle yapılan taşkın tahminleri sonucunda, doğru veri seti, parametre seçimi ve uygun doğrulama yöntemi ile en iyi sonuçların elde edilebileceği ortaya konmuştur. Ayrıca, incelenen yöntemlerin, gelecekte hiç verisi bulunmayan havzalar için de etkili ve başarılı tahmin sonuçları sağlayabileceği görülmüştür.
Özet (Çeviri)
Flood forecasting is frequently studied in the literature using various statistical and hydrological modeling methods. However, predicting floods in advance is inherently challenging. The primary reason for this difficulty is the presence of numerous parameters that influence flood events. In this study, the Eastern Black Sea region of Turkey, which experiences the highest number of flood disasters in the country, was selected as the study area. A detailed inventory analysis was conducted for 41 large-scale flood events in this basin, and the collected data were organized to create flood propagation maps. The study thoroughly examines the advantages and disadvantages of traditional and innovative flood forecasting methods. Particular attention was given to machine learning methods, focusing on generalization challenges such as selecting the most suitable method, optimal data quantity, validation techniques, and identifying the most effective flood-triggering parameters. Additionally, the study explored forecasting future flood events based on past occurrences and inter-basin flood prediction. Using machine learning techniques, a total of 11690 validation results were obtained for 2338 basins. Furthermore, the success rates of existing methods in addressing issues such as flood causes and pre-identification of flood-prone areas using machine learning were analyzed. The findings revealed that the M5P Rule Tree model performed significantly better in flood prediction compared to the Analytical Hierarchy Process (AHP) and Frequency Ratio (FR) models. Flood forecasts conducted with nine different machine learning methods demonstrated that the best results could be achieved through appropriate dataset selection, parameter identification, and validation methods. Additionally, the study found that these methods could effectively predict floods in basins with no prior data, providing promising results for future applications.
Benzer Tezler
- Doğu Karadeniz bölgesinin idari tarihi: 1923-1950
Administritive history of Eastern Blacksea region: 1923-1950
ENGİN ÇAĞDAŞ BULUT
Yüksek Lisans
Türkçe
2013
TarihKaradeniz Teknik ÜniversitesiTarih Ana Bilim Dalı
DOÇ. DR. MURAT KÜÇÜKUĞURLU
- Musics of Harşit valley, Northeastern Turkey
Harşit vadisi müzikleri, Kuzeydoğu Türkiye
MUSTAFA KEMAL ÖZKUL
Doktora
İngilizce
2019
Müzikİstanbul Teknik ÜniversitesiMüzik Ana Bilim Dalı
DOÇ. DR. EMİNE ŞİRİN ÖZGÜN TANIR
- Koyulhisar'ın coğrafi etüdü
The geographical survey of Koyulhisar
VEDAT KARADENİZ
Doktora
Türkçe
2010
CoğrafyaAtatürk ÜniversitesiOrtaöğretim Sosyal Alanlar Eğitimi Ana Bilim Dalı
PROF. DR. HAYATİ DOĞANAY
- Yerleşme ve ziraat hayatı açısından Baltacı ve Solaklı Deresi havzaları
Başlık çevirisi yok
YÜKSEL ACAR