Türkiye'deki baraj su seviyelerinin zaman serisi ve yapay zeka algoritmalarıyla tahmini: Yusufeli ve Deriner barajları üzerine bir çalışma
Dam water levels prediction in Turkey using time series and artificial intelligence algorithms: A study on Yusufeli and Deriner dams
- Tez No: 996212
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH AMMAR KARCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Su seviyesi tahmini, zaman serisi analizi, derin öğrenme, ARIMA, SARIMAX, CNN-GRU, sinir mimari arama, Water level prediction, time series analysis, deep learning, ARIMA, SARIMAX, CNN-GRU, neural architecture search
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, Türkiye'nin önemli hidroelektrik yapıları arasında yer alan Yusufeli ve Deriner Barajları için kısa vadeli su seviyesi tahmini gerçekleştirilmiştir. Baraj işletme süreçlerinde doğru tahminin; enerji üretim planlaması, taşkın riskinin azaltılması ve su kaynağı yönetiminin optimize edilmesi açısından kritik öneme sahip olması nedeniyle, hem istatistiksel zaman serisi yöntemleri hem de DL (derin öğrenme) tabanlı yaklaşımlar karşılaştırmalı olarak değerlendirilmiştir. Yöntem: Çalışmada gerçek günlük hidrolojik veriler kullanılarak iki aşamalı bir yaklaşım uygulanmıştır. İlk aşamada ARIMA, SARIMA, ARIMAX ve SARIMAX modelleri ile geleneksel zaman serisi tahminleri yapılmış; veriler normalize edilerek eğitim-test ayrımı gerçekleştirilmiş ve hata metrikleri üzerinden model başarımları ölçülmüştür. İkinci aşamada DL tabanlı CNN, LSTM, GRU ve hibrit mimariler kullanılmıştır. Ayrıca mimari tasarım ve hiperparametre seçimini otomatik yürütmek için Bayes tabanlı Sinir Mimari Arama yöntemi uygulanmıştır. Bu kapsamda zamansal bağımlılıkları ve yapısal örüntüleri ortak öğrenebilmek amacıyla CGU (CNN-GRU Unified) modeli geliştirilmiştir. Bulgular: İstatistiksel yöntemlerin yüksek doğruluk değerleri sağladığını göstermiştir. Yusufeli Barajı için ARIMA modeli %99,32 doğruluk elde ederken, Deriner Barajı için SARIMAX modeli %99,05 doğruluğa ulaşmıştır. DL aşamasında hibrit modeller daha üstün performans sergilemiş ve CGU modeli test verisi üzerinde R² = 0.9941 değeri ile en yüksek doğruluğu sağlamıştır. Sonuç: Elde edilen bulgular, su seviyesi tahmininde yapay zeka tabanlı hibrit modellerin güvenilir, hızlı ve uygulanabilir bir çözüm sunduğunu ortaya koymuştur. Özellikle CGU modelinin gerçek zamanlı karar destek mekanizmalarına entegre edilebilecek nitelikte olduğu değerlendirilmektedir. Gelecek çalışmalar için meteorolojik değişkenlerin eklenmesi ve farklı baraj sistemlerinde testlerin genişletilmesi önerilmektedir.
Özet (Çeviri)
Purpose: In this study, short-term water level prediction was carried out for the Yusufeli and Deriner Dams, which are among the important hydroelectric structures in Türkiye. Since accurate forecasting plays a critical role in energy production planning, reducing flood risk, and optimizing water resource management in dam operation processes, both statistical time-series methods and deep learning-based approaches were comparatively evaluated. Methodology: In the study, a two-stage approach was applied using real daily hydrological data. In the first stage, traditional time-series forecasting was performed with ARIMA, SARIMA, ARIMAX and SARIMAX models; the data were normalized, training-test splitting was performed, and model performances were measured through error metrics. In the second stage, deep learning-based CNN, LSTM, GRU and hybrid architectures were used. In addition, a Bayesian-based Neural Architecture Search method was applied to automatically perform architectural design and hyperparameter selection. Within this scope, a CGU (CNN-GRU Unified) model was developed to jointly learn temporal dependencies and structural patterns. Findings: The results showed that statistical methods produced high accuracy values. While the ARIMA model achieved 99.32% accuracy for the Yusufeli Dam, the SARIMAX model reached 99.05% accuracy for the Deriner Dam. In the deep learning stage, hybrid models exhibited superior performance, and the CGU model achieved the highest accuracy on the test data with an R² = 0.9941 value. Conclusion: The findings revealed that artificial intelligence–based hybrid models provide a reliable, fast and applicable solution for water level prediction. The CGU model, in particular, is considered suitable for integration into real-time decision-support mechanisms. For future studies, the inclusion of meteorological variables and expanding the tests on different dam systems are recommended.
Benzer Tezler
- Comparison of free-flow raidial-gated ogee spillway for Bahçelik dam
Bahçelik barajı için radyal-kapaklı ve serbest-akımlı ogee savakların karşılaştırılması
ASMAA MAJEED GHADHBAN AL-AZZAWI
Yüksek Lisans
İngilizce
2017
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
Prof. Dr. TEFARUK HAKTANIR
- Three dimensional numerical modelling of recharge: Case study: Eğri creek sub-basin, İzmir
Besleme üç boyutlu sayısal modellemesi: Örnek çalışma: Eğri dere alt-havzası, İzmir
YAVUZ ŞAHİN
Doktora
İngilizce
2022
İnşaat Mühendisliğiİzmir Yüksek Teknoloji Enstitüsüİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKMEN TAYFUR
PROF. DR. ALPER BABA
- Late quaternary paleoclimate and paleoenvironment changes in urmia lake, nw Iran
Urmiye gölü, kb iran geç kuvaterner paleoiklim ve paleoortam değişimleri
GÜLGÜN ERTUNÇ
Doktora
İngilizce
2025
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. TAHSİN ATTİLA ÇİNER
- Modelling Kücük Menderes watershed using soil and water assessment tool (SWAT)
Küçük Menderes Alt Havzası'nın swat (toprak ve su değerlendirme aracı) ile modellenmesi
MOHAMMAD MATIN SADDIQI
Yüksek Lisans
İngilizce
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUT EKREM KARPUZCU
- Türkiye'de baraj yönetimi ve stratejik yaklaşımlar
Dam administration in Turkey and strategical approaches
ASLI YÖNTEN
Doktora
Türkçe
2013
Kamu YönetimiDokuz Eylül ÜniversitesiKamu Yönetimi Ana Bilim Dalı
PROF. DR. ZERRİN TOPRAK KARAMAN