Geri Dön

Kızılırmak havzasında dalgacık tabanlı yapay sinir ağları ile aylık akışların tahmini

Monthly flow estimation in Kızılırmak basin with wavelet-based artificial neural networks

PDF İndir

  1. Tez No: 958824
  2. Yazar: CEMİL KAYA
  3. Danışmanlar: PROF. DR. TURGAY PARTAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Bu çalışmada, Kızılırmak Havzası'nda aylık su akışlarının tahmin edilmesi amacıyla dalgacık tabanlı yapay sinir ağları modeli geliştirilmiştir. Yapay sinir ağları, insan beyninin sinir hücrelerinden esinlenilerek oluşturulan, veriler arasındaki karmaşık ilişkileri öğrenme ve tahmin yapabilme yeteneğine sahip ileri düzey bir yapay zeka yöntemidir. Bu yöntem, özellikle hidrolik ve çevresel veri analizlerinde yüksek başarı sağlaması nedeniyle tercih edilmiştir. Çalışmada kullanılan veriler, Devlet Su İşleri Genel Müdürlüğü'nden temin edilen dört farklı akım gözlem istasyonuna ait aylık ortalama akış değerlerinden oluşmaktadır. İncelenen dönem 2003-2022 yılları arasındaki toplam 20 yıllık süreci kapsamakta ve bu süre zarfında 240 adet aylık ortalama akış verisi elde edilmiştir. Veri seti, model eğitimi ve testi amacıyla ikiye bölünmüş, ilk 190 veri eğitim setinde kullanılırken kalan 50 veri test seti olarak değerlendirilmiştir. Modellerde giriş verisi olarak bir, iki, üç ve dört ay öncesine ait ortalama aylık akış değerleri ayrı ayrı kullanılmış, çıkış verisi ise ilgili ayın gözlenen akış değerleri olmuştur. Model oluşturma sürecinde, verilerin %80'lik kısmı ile eğitim yapılmış, kalan %20'lik kısmı ise ortalama karesel hata ve regresyon analizleri kullanılarak model doğruluğunu ölçmek için test edilmiştir. Ayrıca, veri ön işleme aşamasında 240 adet aylık ortalama akış verisine ayrık dalgacık dönüşümü uygulanmıştır. Bu yöntemle veriler çoklu ölçeklerde detaylandırılarak yapay sinir ağlarının girdi verisi olarak kullanılması sağlanmıştır. Böylece dalgacık tabanlı yapay sinir ağı modeli oluşturulmuştur. Model performansları; sadece yapay sinir ağı modeli ile dalgacık-yapay sinir ağı modeli karşılaştırılarak, saçılma diyagramları, tahmin edilen ve gözlenen akımların zamansal dağılımı ile histogram analizleri üzerinden değerlendirilmiştir. Elde edilen sonuçlar, dört girdili model yapısının diğer modellerden daha düşük ortalama karesel hata ve daha yüksek regresyon katsayısı ile daha iyi performans gösterdiğini ortaya koymuştur. Bu durum, girdi sayısının artmasıyla model doğruluğunun yükseldiğini göstermektedir. Ayrıca, dalgacık-yapay sinir ağı modelinin, yalnızca yapay sinir ağı kullanılarak oluşturulan modele kıyasla daha başarılı tahmin sonuçları verdiği tespit edilmiştir. Sonuç olarak, bu çalışma Kızılırmak Havzası'ndaki akış tahminlerinde dalgacık tabanlı yapay sinir ağlarının etkin ve güvenilir bir yöntem olduğunu ortaya koymuştur.

Özet (Çeviri)

In this study, a wavelet-based artificial neural network model was developed to estimate monthly water flows in the Kızılırmak Basin. Artificial neural networks are an advanced artificial intelligence method inspired by the nerve cells of the human brain and capable of learning and predicting complex relationships between data. This method was preferred especially because it provides high success in hydraulic and environmental data analysis. The data used in the study consists of monthly average flow values of four different flow observation stations obtained from the General Directorate of State Hydraulic Works. The examined period covers a total of 20 years between 2003-2022, and 240 monthly average flow data were obtained during this period. The data set was divided into two for model training and testing purposes, the first 190 data were used in the training set, while the remaining 50 data were evaluated as the test set. In the models, the average monthly flow values of one, two, three and four months ago were used separately as input data, and the output data was the observed flow values of the relevant month. In the model creation process, training was performed with 80% of the data and the remaining 20% was tested to measure model accuracy using mean square error and regression analysis. In addition, discrete wavelet transform was applied to 240 monthly average flow data in the data pre-processing stage. With this method, the data was detailed at multiple scales and used as input data for artificial neural networks. Thus, a wavelet-based artificial neural network model was created. Model performances were evaluated by comparing only the artificial neural network model with the wavelet-artificial neural network model, scatter diagrams, temporal distribution of estimated and observed flows and histogram analysis. The results obtained revealed that the four-input model structure performed better than the other models with lower mean square error and higher regression coefficient. This shows that the model accuracy increases with the increase in the number of inputs. In addition, it was determined that the wavelet-artificial neural network model gave more successful prediction results compared to the model created using only the artificial neural network. In conclusion, this study has shown that wavelet-based artificial neural networks are an effective and reliable method for streamflow estimation in the Kızılırmak Basin.

Benzer Tezler

  1. Tez No

    616857

    Kızılırmak havzasında yapay zekâ metotları kullanarak sediment taşınımının tahmini

    Estimation of sediment transport using artificial intelligence methods in the Kızılırmak basin

    AHMET ALPEREN ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiKonya Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERAL BÜYÜKYILDIZ

  2. Tez No

    441712

    Nehir hidroelektrik enerji potansiyelinin hesaplanmasında yeni bir yaklaşım (Enerji Ağacı yöntemi) ve Murat Nehri örneği

    A new methodology for determining river gross hydroelectric energy potential (Energy Tree)andan application of Murat River

    SADIK ALASHAN

    Doktora

    Türkçe

    Türkçe

    2016

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEKAİ ŞEN

    DOÇ. DR. ZEYNEL FUAT TOPRAK

  3. Tez No

    541315

    Kızılırmak havzasında alansal yağış ile buharlaşma-terlemenin izleme ve değerlendirilmesinde uydu görüntülerinin kullanılması

    Monitoring and evaluation of spatial distribution of precipitation and evapotranspiration in Kizilirmak basin by using satellite images

    SAKİNE ÇETİN

    Doktora

    Türkçe

    Türkçe

    2018

    ZiraatOndokuz Mayıs Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ. DR. EYÜP SELİM KÖKSAL

  4. Tez No

    961793

    Kızılırmak havzasında şiddet- süre- frekans ilişkilerinin oluşturulmasında genetik programlama ve yapay arı kolonisi optimizasyon tekniklerinin kullanımı

    Use of genetic programming and artificial colony optimisation techniques to establish severity-duration-frequency relationships in the Kizilirmak basin

    CİHAD ALAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    ZiraatTokat Gaziosmanpaşa Üniversitesi

    Biyosistem Mühendisliği Ana Bilim Dalı

    PROF. DR. KADRİ YÜREKLİ

  5. Tez No

    457871

    Kızılırmak havzasında hidrometeorolojik parametrelerle kuraklık analizi ve tahmini

    Drought analysis and estimation in Kizilirmak basin using hydrometeorological parameterts

    DERYA SELÇUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İnşaat MühendisliğiOndokuz Mayıs Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. ASLI ÜLKE

Geri Dön