Genelleştirilmiş regresyon yapay sinir ağının su kaynakları mühendisliğinde kullanımı
The use of generalized regression neural network in water resources engineering
- Tez No: 172160
- Danışmanlar: DOÇ.DR. KEREM CIĞIZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Bu çalışmada yeni bir yapay sinir ağı metodu olan Genelleştirilmiş Regresyon Yapay Sinir Ağı'nın, ulusal ve uluslararası toplam 6 havza genelinde günlük sürekli akım, kurak devreli günlük akım, aylık akım, yeraltı suyu, günlük yağış-akış ve günlük akım-askı malzemesi verisine uygulaması yapılmıştır. Çalışma sonuçlan, geleneksel yapay sinir ağı metodları olan ileri Beslemeli Geriye Yayılım Sinir Ağı ve Radyal Tabanlı Yapay Sinir Ağı ile karşılaştırılmıştır. Performans karşılaştırma kriterleri olarak, test süresi için elde edilen verinin ortalama kare hatası ve determinasyon katsayısı değerleri kullanılmıştır. Genelleştirilmiş Regresyon Yapay Sinir Ağı metodu genel olarak başarılı tahmin sonuçları vermiş ve diğer iki yapay sinir ağı metoduna kıyasla bazen daha iyi performans değerlendirme kriter değerlerine ulaşmıştır. Sonuç olarak, yapılan çalışmada GRYSA, standart İBGYSA ve RTYSA metodlarına güvenilir bir alternatif metod olduğunu göstermiştir. xiii
Özet (Çeviri)
THE USE OF GENERALIZED REGRESSION NEURAL NETWORK IN WATER RESOURCES ENGINEERING SUMMARY In this study, Generalized Regression Neural Network, which is a new artificial neural network method, is applied to daily continuous river flow series, daily intermittent river flow series, monthly river flow series, ground water level series, daily rainfall and daily river flow series, and daily river flow and daily suspended sediment data of 6 national and international hydrologic regions. Estimation results are compared with the Feed Forward Back Propagation and Radial Basis Functions which are conventional artificial neural network methods. Mean squared error and coefficient of determination are used as the performance comparison criteria. Generalized Regression Neural Network method, generally provided successful estimation results and sometimes reached better performance evaluation criteria values when compared to the other two artificial neural network methods. In conclusion, this study showed GRNN to be a reliable alternative to the standard FFBP and RBF. XIV
Benzer Tezler
- Medikal teşhiste GRNN kullanımı ve devre bloklarının tasarımı
GRNN usage for medical diagnosis and design circuit blocks
REVNA ACAR
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜLAY YILDIRIM
- Akarsu akımlarının tahmininde yapay zekâ tekniklerinin kullanılması
Use of artificial intelligence techniques in estimating river flows
MUSTAFA ERKAN TURAN
Yüksek Lisans
Türkçe
2007
İnşaat MühendisliğiCelal Bayar Üniversitesiİnşaat Mühendisliği Bölümü
DOÇ. DR. MEHMET ALİ YURDUSEV
- Yağış-akış ilişkisinin yapay sinir ağı yöntemleriyle modellenmesi: Kurukavak havzası uygulaması
Modeling of rainfall-runoff relation with artificial neural network methods: Kurukavak basin casestudy
ERSİN OĞUL
Yüksek Lisans
Türkçe
2006
İnşaat MühendisliğiAnadolu Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA TOMBUL
- Yapay sinir ağları ile proteinlerin ikincil yapılarının kestirimi
Protein secondary structure prediction with neural network
ERTAN ATAR
Yüksek Lisans
Türkçe
2005
BiyomühendislikYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LALE ÖZYILMAZ
PROF. DR. OKAN ERSOY
- Türkiye genelinde yağış-akış ilişkisinin yapay sinir ağı metodlarıyla modellenmesi
Rainfall-runoff modelling in whole Turkey by artificial neural networks
PINAR AŞKIN
Yüksek Lisans
Türkçe
2005
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİKMET KEREM CIGIZOĞLU