Yapay zeka teknikleri kullanılarak yağış verilerinin tahmini: Konya Kapalı Havzası örneği
Prediction of precipitation data using artificial intelligence techniques: The case of Konya Closed Basin
- Tez No: 928461
- Danışmanlar: PROF. DR. MEHMET FAİK SEVİMLİ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kto Karatay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Su, oksijenden sonra dünya hayatındaki en önemli maddedir. Bütün canlıların yaşamlarının devam edebilmesi suyun varlığına ve temiz bir şekilde ulaşılabilir olmasına bağlıdır. Suyun günümüzdeki önemiyse giderek artmaktadır. Su kaynaklarının yanlış kullanımı, bilinçsiz tüketim, iklim değişiklikleri ve buna bağlı olarak yağışların bazı bölgelere ortalama seyrinin üstünde yağıp taşkın dediğimiz durumları oluştururken bazı bölgelerde kuraklık görülmesine sebep olmaktadır. Buda insan hayatında ciddi problemlere, can ve mal kayıplarına yol açabilmektedir. Bu sebeple mevcut suların değerlendirilmesi, olası yağışların ve buna bağlı taşkın veya kuraklık gibi tehlikelerin önceden tahmin edilmesi büyük önem arz etmektedir. Bu çalışmada Konya Kapalı Havzasında 11 farklı istasyon için farklı yapay zeka teknikleriyle 1967-2024 yılları arasındaki veriler Meteoroloji Genel Müdürlüğü'nden alınarak aylık yağış tahmini yapılmıştır. Çalışmada 6 farklı yöntemle analizler yapılmıştır. Yöntem olarak makine öğrenmesi yöntemlerinden M5-Tree, (Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (Multivariate Adaptive Regression Splines)) MARS, (Destek Vektör Makineleri (Support Vector Machines)) DVM ve (Uyarlanabilir Moment Tahmini (Adaptive Moment Estimation)) ADAM, (Momentumlu Stokastik Gradyan İnişi (Stochastic Gradient Descent with Momentum)) SGDM, (Kök Ortalama Kare Yayılımı (Root Mean Square Propagation)) RMSProp algoritmalı yapay sinir ağlarının alt birimlerinden olan (Tekrarlayan Sinir Ağları (Recurrent Neural Network)) RNN mimarisine sahip (Uzun Kısa Süreli Bellek (Long Short-Term Memory)) LSTM yöntemleri kullanılmıştır. Veriler %75'i eğitim aşaması %25'i test aşaması olmak üzere ayrılmıştır. Değerlendirme kriteri olarak Ortalama Mutlak Hata (OMH), Kök Ortalama Kare Hatası (KOKH), Determinasyon Katsayısı (R2), Nash-Sutcliffe Verimlilik Katsayısı (NSE) ve Minimumun Maksimuma Oranı Hatasının Ortalaması (MMOHO) kullanılmıştır. Yapılan analizlere göre en iyi sonuçları LSTM yöntemi vermiştir. Diğer yöntemler uzak sonuçlar vermiş, LSTM gibi başarılı sonuçlar elde edilememiştir.
Özet (Çeviri)
Water, after oxygen, is the most vital element for life on Earth. The continuity of all living organisms depends on the presence and accessibility of clean water. The importance of water in today's world is increasingly recognized. Mismanagement of water resources, unconscious consumption, climate change, and related phenomena such as above-average precipitation in certain areas causing floods, while droughts occur in others, have significant impacts. These events lead to severe problems, including loss of life and property. Therefore, evaluating existing water resources and forecasting potential precipitation and related hazards such as floods or droughts are of great importance. In this study, monthly precipitation forecasts were made for 11 different stations in the Konya Closed Basin using various artificial intelligence techniques, with data spanning from 1967 to 2024 obtained from the General Directorate of Meteorology. The analysis employed six different methods. Techniques from machine learning included M5-Tree; Multivariate Adaptive Regression Splines (MARS); Support Vector Machines (SVM); Adaptive Moment Estimation (ADAM); Stochastic Gradient Descent with Momentum (SGDM); and Long Short-Term Memory (LSTM) methods within the architecture of Recurrent Neural Networks (RNN), which use the Root Mean Square Propagation (RMSProp) algorithm. The data were divided with 75% used for training and 25% for testing. Evaluation criteria included Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Coefficient of Determination (R²), Nash-Sutcliffe Efficiency Coefficient (NSE), and Mean of Minimum to Maximum Error (MMME). The analyses revealed that the LSTM method produced the best results, while other methods yielded less accurate outcomes, failing to achieve the level of success demonstrated by LSTM.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Barajların hacim-verim ilişkisi üzerine bir araştırma
Başlık çevirisi yok
MEHMET KILIÇARSLAN
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiÇukurova Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEFARUK HAKTANIR
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
Doktora
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİR ÇOLAKO¦LU
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM