Dalgacık dönüşümü ve yapay sinir ağları yöntemi ile yağış - akış tahmini
Rainfall-runoff forecasting using wavelet transform and artificial neural networks method
- Tez No: 330836
- Danışmanlar: DOÇ. DR. ÖZLEM TERZİ
- Tez Türü: Yüksek Lisans
- Konular: Teknik Eğitim, Technical Education
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapı Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akarsulardaki düzenlemeler ve uygulamalar projelendirilirken, güvenilir akım tahminlerinin yapılması önemlidir. Özellikle hazne tasarım problemlerinde yapılacak yatırımın büyüklüğü dikkate alınırsa tahminlerin güvenilirliği çok daha büyük önem taşımaktadır. Geleneksel akım tahmini yöntemleri sistemin içerdiği belirsizlikler ile sistemin doğrusal olmayan karakteristikleri ile etkin tahminler yapmada yetersiz kalabilmektedir. Bunun için alternatif tahmin yöntemlerine ihtiyaç duyulmaktadır.Bu çalışmada, Türkiye'nin en uzun nehri olan Kızılırmak Nehri üzerinde bulunan Elektrik İşleri Etüt İdaresi Genel Müdürlüğü'nden (EİE) Söğütlühan (1535) akım gözlem istasyonunun akım değerleri ve Devlet Meteoroloji İşleri Genel Müdürlüğü'nden (DMİ) Sivas istasyonunun yağış değerleri alınmıştır.Son yıllarda hidrometeorolojik alanda yapay zeka metotlarının kullanımı giderek artmaktadır. Yapay sinir ağları uygulamasındaki kolaylık, fazla veri gerektirmemesi gibi nedenlerle tahmin amacıyla iyi bir yaklaşımdır. Yapay sinir ağlarında tahminin başarısı üzerinde kullanıcının etkileri sınırlıdır ve daha çok girdiler üzerine bağlıdır. Yapay sinir ağları yönteminin tahmindeki başarısını arttırmak için dalgacık dönüşümü bu çalışmada kullanılmıştır. Çalışmada orijinal yağış ve akım verileri yapay sinir ağları tahmini yapmak için kullanılmıştır. Daha sonra ayrık dalgacık dönüşümü ile veriler alt serilere ayrılmıştır. Ayrık dalgacık dönüşümü istenilen sayıda periyodik bileşenin elde edilmesine olanak sağlar. Ayrık dalgacık dönüşümü ile elde edilen bileşenlerin akım tahmininde etkin olanları belirlenmiştir. Elde edilen yeni veriler yapay sinir ağları yöntemlerinde girdi olarak kullanılmıştır. Dalgacık dönüşümünün etkin bileşenleri seçilip ayrılabilmesi özelliği, yapay sinir ağlarının başarısını oldukça arttırmıştır. Dalgacık-yapay sinir ağları modelinin performansının çok daha iyi olduğu bulunmuştur.
Özet (Çeviri)
During the study of the regulation and enforcement projects, making certain stream appraisement is important. Especially when the amount of investment required for a reservoir promotion is taken into consideration, the reliability in forecasting is of greater importance. Traditional flow forecasting methods can be insufficient because of the uncertainty and non linear characteristics of the system. Therefore alternative forecast methods are needed to achieve better predictions.In this study, current values of the flow gauging station of the General Directorate of Electrical Power Resources Survey and Development Administration station of Söğütlühan (1535) on the Kızılırmak River which is the longest river in Turkey and General Directorate of State Hydraulic Work stations Sivas station rainfall data have been used.The usage of ANN approach is extensively used in the water resources literature in recent years. ANN is good method as it is easily applied and does not need so much data. The accuracy of the model predictions is highly depends on inputs, the application conditions has limited effect. In order to increase the accuracy of model predictions Wavelet Transformation is used. In this study, original rainfall data and flow data are used and then these original time series were decomposed into certain number of sub-time series using wavelet transform algorithm. Wavelet transform, has some important advantages on the studies of the model predictions, because of the selection of dominant sub-series. By separate usage and addition of dominant subseries, new subtime series are obtained. Obtained new data is used as input data for ANN model. ANN gets beter performance by wavelet transform. It is observed that performance of W-ANN is much beter.
Benzer Tezler
- Türkiye yağış miktarlarının yapay sinir ağları ve dalgacık dönüşümü yöntemleri ile tahmini
Estimation of Turkish precipitation data using artificial neural networks and wavelet transformation method
TURGAY PARTAL
Doktora
Türkçe
2007
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN KAHYA
DOÇ. DR. H. KEREM CIĞIZOĞLU
- Sakarya Havzasındaki kısa dönem meteorolojik kuraklığın hibrit modeller ile tahmin edilmesi
Prediction of short-term meteorological drought in the Sakarya Basin with hybrid models
ÖMER COŞKUN
Doktora
Türkçe
2023
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE ÇITAKOĞLU
- Bitki örtüsü indeksinin yapay sinir ağları ve dalgacık dönüşümü ile analizi
Analysis of vegetation index with artificial neural network and wavelet transform
GAMZE MADEN
Yüksek Lisans
Türkçe
2018
Bilim ve Teknolojiİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Kalp seslerinin analizi ve yapay sinir ağları ile sınıflandırılması
Analysis of heart sounds and classification of by using artificial neural networks
ÖZGÜR SAY
Yüksek Lisans
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZÜMRAY DOKUR ÖLMEZ
- Yapay sinir ağları ve destek vektör makineleri ile kemik erimesinin teşhisi
Diagnosis of osteoporosis using artificial neural networks and support vector machines
MUSTAFA İSTANBULLU
Yüksek Lisans
Türkçe
2013
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT