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: 84
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
- Modern yöntemlerle korelasyon, mesafe, yükseklik matrisi tabanlı yağış tahmin modelleri
Precipitation prediction of correlation, distance, elevation matrix based models by modern methods
KÜBRA KÜLLAHCI
Yüksek Lisans
Türkçe
2019
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Yağış-akış ilişkisinin yapay zekâ teknikleri kullanılarak tahmini
Prediction of rainfall – runoff relationship using artificial intelligence techniques
ONUR BÖLÜK
Yüksek Lisans
Türkçe
2020
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH ÜNEŞ
- Yapay zeka teknikleri kullanarak pik nehir akımı ve yağış tahmini
Prediction of peak stream flow and rainfall using artificial intelligence techniques
EMRE ALTUNTAŞ
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. LEVENT LATİFOĞLU
- Makine öğrenme algoritmaları ile su tüketim miktarlarının tahmini: Kocaeli örneği
Estimation of water consumption amounts using machine learning algorithms: The case study of Kocaeli
KASIM GÖRENEKLİ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ALİ GÜLBAĞ
- Integration of spatial procedures to combat the desertification in Nineveh governorate, Iraq
Irak'ın Nineveh vilayetinde çölleşme ile mücadele için mekansal yöntemlerin entegrasyonu
BASHAR MUNEER YAHYA YAHYA
Doktora
İngilizce
2019
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER