Yenilikçi yöntemler kullanarak nehir-akifer etkileşimlerinin tahmini ve kirletici taşınım modellerine entegrasyonu
Forecasting stream-aquifer interactions using innovativemethods and integration into contaminant transport models
- Tez No: 961098
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR BOYRAZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 94
Özet
Yeraltı suyu, küresel tatlı su rezervlerinin büyük bir bölümünü oluşturması ve nispeten düşük kirlenme riski taşıması nedeniyle hidrolojik döngüde kritik bir yer tutmaktadır. Ancak, özellikle akarsularla etkileşim içinde olan bölgelerde yeraltı suyu ile yüzey suyu arasındaki ilişki; topoğrafya, bölgesel akış rejimi ve hidrolik yük farkları gibi birçok faktörün etkisiyle oldukça karmaşık bir hal almaktadır. Bu çok bileşenli yapı, söz konusu etkileşimlerin nicel olarak ortaya konmasında yenilikçi yöntemlere olan ihtiyacı artırmaktadır. Bu bağlamda, geliştirilen yöntemlerin fiziksel süreçlerle uyumluluğu ve tahmin gücünün anlaşılabilmesi açısından, teorik temelli senaryolara dayalı kontrollü modeller üzerinde ön değerlendirmeler yapılması önemli bir adım olarak görülmektedir. Bu tez çalışmasında, nehir-akifer sistemlerinde etkileşim debisinin ve kirletici taşınımına ilişkin bazı parametrelerin belirlenmesinde makine öğrenmesi temelli ve ampirik yöntemlerin uygulanabilirliği incelenmiştir. İlk aşamada, yüzeyi eğimli bir nehir ile etkileşimde olan bir akifer modelinden türetilmiş senaryolara ait veriler XGBoost, CatBoost, Random Forest ve LightGBM algoritmalarıyla analiz edilmiştir. Etkileşim debisi hedef değişken olarak tanımlanmış, tahmin performansları karşılaştırılmış ve veri üretim yöntemlerinin bu performansa etkisi değerlendirilmiştir. Ayrıca, fiziksel parametrelere dayalı yeni bir ampirik denklem geliştirilmiştir. İkinci aşamada, bir partikülün akiferden nehre ulaşma süresi XGBoost algoritmasıyla tahmin edilmiş; özellik mühendisliği bu süreçte model başarımını belirgin ölçüde artırmıştır. Üçüncü aşamada, adveksiyon-dispersiyon denklemine dayalı olarak farklı senaryolarda kütle akısı ve toplam kirletici yükü analiz edilmiş; bu kapsamda oluşturulan veri setleriyle, akiferde taşınan bir kirleticinin nehirde oluşturacağı maksimum kütlenin oluşma zamanı CatBoost algoritması aracılığıyla tahmin edilmiştir. Sonuçlar, nehir-akifer sistemlerinde hem makine öğrenmesi tabanlı hem de ampirik yaklaşımların, yeraltı suyu-yüzey suyu etkileşimlerinin modellenmesinde güçlü araçlar olduğunu ortaya koymuş; özellikle veri ön işleme ve özellik mühendisliği gibi adımların model başarısında belirleyici olduğunu vurgulamıştır.
Özet (Çeviri)
Groundwater constitutes a substantial portion of global freshwater reserves and plays a critical role in the hydrological cycle due to its relatively low vulnerability to contamination. However, in regions where it interacts with rivers, surface water–groundwater interactions exhibit considerable complexity, governed by factors such as topography, regional flow regimes, and hydraulic head gradients. This multifactorial nature has increased interest in exploring innovative methodologies for the quantitative assessment of such interactions. In this context, conducting preliminary evaluations on controlled, theoretically derived scenarios is considered a valuable step toward assessing the predictive capabilities and physical consistency of emerging modeling tools. This thesis investigates the applicability of machine learning–based and empirical approaches for estimating interaction flow rates and characterizing selected parameters related to contaminant transport in river–aquifer systems. In the first phase, data generated from scenarios involving a sloped river interacting with an adjacent aquifer were analyzed using XGBoost, CatBoost, Random Forest, and LightGBM algorithms. The interaction flow rate was defined as the target variable, and model performances were compared, including an evaluation of how different data generation processes affect predictive accuracy. Additionally, a new empirical equation was developed based on relevant physical parameters. In the second phase, the travel time of a particle from the aquifer to the river was predicted using the XGBoost algorithm, where feature engineering notably improved model performance. In the third phase, the advection–dispersion equation was employed to analyze mass flux and total contaminant load under varying scenarios. Using the resulting datasets, the time at which a contaminant transported through the aquifer would generate a maximum concentration in the river was predicted via the CatBoost algorithm. The results indicate that both machine learning–based and empirical methods are promising tools for modeling surface water–groundwater interactions and highlight the importance of data preprocessing and feature selection in enhancing model performance.
Benzer Tezler
- Video analysis based fish detecton and tail beat frequency estimation in fishways
Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini
YASİN YILDIRIM
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- A decision support system on packaging planning using machine learning algorithms: Industrial case study
Paketleme planlaması için makine öğrenmesi algoritmaları kullanarak bir karar destek sistemi: Bir yan sanayi uygulaması
BEGÜM ŞENER
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Kentsel ani sel felaketlerine karşı mücadelede yapay zeka tabanlı bir karar destek sistemi
An artificial intelligence-based decision support system for urban flash flood disaster response
İREM KARAKAYA
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALEV TAŞKIN
- Flood risk analysis with geospatial artifical intelligence techniques
Coğrafi bilgi sistemleri ve yapay zeka ile sel taşkın riski analizi
MİRAÇ TAHA DERMAN
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED OĞUZHAN METE
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE