Yapay sınır ağları ile yeraltı suyu zaman serisi modellemesi
Modelling groundwater level time series using artificial neural networks
- Tez No: 166416
- Danışmanlar: DOÇ. DR. KEREM CIGIZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Bu çalışmada iki yapay sinir ağlan metodu olan radyal tabanlı yapay sinir ağlan ve ileri beslemeli geriye yayınım yapay sinir ağlan metotları, yıllık toplam yağış ve yıllık toplam baz akım değerlerinin eklenik sapmaları ile, yeraltı su seviyesi tahmininde kullanılmıştır. Ulusal ve uluslararası yeraltı su verileri bu çalışmada kullanılmıştır.Ulusal verilerde ölçülemeyen ayların değerlerinin, regresyon analizi yapılarak, değerleri tespit edilmiştir. Yıllık toplam baz akım ve yıllık toplam ortalama yağış değerlerinin eklenik sapma değerleri ile tahmin yapılacak yeraltı su seviyesi değerleri veri olarak kullanılmıştır. Söz konusu veriler kullanılarak zaman serisinin gelecek yıllardaki değerleri tahmini yapılmıştır. Yer altı su seviyesi tahmininde yapay sinir ağlan metotlarından radyal tabanlı yapay sinir ağlan ve ileri beslemeli geriye yayınım yapay sinir ağlarını kullanmanın uygun olacağı görülmüştür. Çeşitli performans değerlendirme kriterleri, yapay sinir ağlan ile yeraltı su seviyesi tahmin sonuçlarının oldukça iyi olduğunu göstermiştir. xı
Özet (Çeviri)
SUMMARY In this study two artificial neural network methods, radial basis neural networks and feed forward back propagation neural networks are used to predict groundwater level with base flow and precipitation data. National and international data are used. Unmeasured values are estimated by using regression analysis in national data. Base flow and precipitation data are used in“cumulative frequency distribution”to estimate future values. Past groundwater level data are also used to predict the future time series values. It is seen that using radial basis neural networks and feed forward back propagation neural networks is suitable in estimation of groundwater levels. Performance evaluation criteria showed that the ground water level estimation using artificial neural networks provided quite satisfactory results. xn
Benzer Tezler
- Mn(II)'nin atmosferik oksijenle oksidasyonuna organik ve inorganik maddelerin etkisi
The effect of organic and inorganic matters on Mn(II) oxidation with atmospheric oxygen
BURAK AVŞARER
Yüksek Lisans
Türkçe
2007
Çevre Mühendisliğiİstanbul ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEŞE TÜFEKÇİ
YRD. DOÇ. DR. NÜKET SİVRİ
- Artificial neural networks approach for the determination of aquifer parameters
Akifer parametrelerinin belirlenmesinde yapay sinir ağları yaklaşımı
A. UFUK ŞAHİN
Yüksek Lisans
İngilizce
2008
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. CEM AVCI
- Genetik hücresel yapay sinir ağları ve jeofizik uygulamaları
Genetic cellular neural networks and geophysical applications
ERDEM BİLGİLİ
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiGebze Yüksek Teknoloji EnstitüsüElektronik Mühendisliği Ana Bilim Dalı
PROF.DR. ALİ ALKUMRU
- Turizmin çevresel etkilerinin değerlendirilmesi ve çevre duyarlı sürdürülebilir turizm modeli
Environmental impact assesment of tourism and environment sensitive sustainable tourism model
FUAT GÜNDÜZ
- Zaman ortamı yapay uçlaşma verilerinin mühendislik jeofiziğinde kullanılabilirliğinin araştırılması
Investigating applicability of time-domain induced polarization data in engineering geophysics
YILDIRIM GÜNDOĞDU
Yüksek Lisans
Türkçe
2005
Jeofizik MühendisliğiAnkara ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF.DR. AHMET BAŞOKUR