Sakarya havzasına ait su kalitesi parametrelerinin yapay zekâ yöntemleri ile modellenmesi
Modeling the water quality parameters of Sakarya basin with artificial intelligence methods
- Tez No: 742324
- Danışmanlar: DOÇ. DR. HATİCE ÇITAKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Sakarya Havzası, Su Kalitesi Parametreleri, Çözünmüş Oksijen, Yapay Zekâ Yöntemleri, YSA, DVM, GSR, Derin öğrenme, Destek vektör makineleri, Gauss, Parametreler, Su kalitesi, Yapay sinir ağları, Yapay zeka, Sakarya Basin, Water Quality Parameters, Dissolved Oxygen, Artificial Intelligence Methods, ANN, SVM, GPR, Deep learning, Support vector machines, Gauss, Parameters, Water quality, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yaşam için en önemli kaynaklardan birisi olan su, yeryüzünde kısıtlı miktarda bulunmakta ve ne yazık ki hızlı nüfus artışı, tarımsal ve endüstriyel faaliyetler neticesiyle kirletilmekte ve bu durum telafisi zor durumlara neden olmaktadır. Su kalitesinin izlenmesi çalışmalarında çözünmüş oksijen (ÇO) parametresi önemli bir yere sahiptir. Birçok alanda kullanılan yapay zekâ teknikleri, su yönetim sürecinde de kullanılmakta ve“su kalitesi”alanındaki çalışmaların sonuçlarında önemli kazanımlar sağlamaktadır. Bu çalışmada, Sakarya Havzası'nda bulunan gözlem istasyonlarına ait 1995–2014 yılları arasındaki; Şubat, Nisan, Haziran, Ağustos ve Kasım aylarında ölçülmüş su kalitesi parametrelerine ait veriler ile ÇO değerinin Yapay Sinir Ağları (YSA), Derin Öğrenme (DÖ), Destek Vektör Makinesi (DVM) ve Gauss Süreç Regresyon (GSR) yöntemleri ile modellemesi yapılmıştır. Modellerde giriş verisi olarak; biyolojik oksijen ihtiyacı (BOİ), sıcaklık (T), elektriksel iletkenlik (Eİ), aylar ve pH kullanılmış olup, çıkış verisi ÇO parametresidir. Modellerin tahmin performanslarını ölçmek için, Kök Ortalama Karesel Hata (KOKH), Ortalama Mutlak Hata (OMH), determinasyon katsayısı (R2) ve Nash-Sutcliffe verimlilik katsayısı (NSE) değerleri göz önünde bulundurulmuştur. Ayrıca, Taylor ve Violin diyagramları yardımıyla ölçülmüş veriler ile modellerden elde edilen değerlerin birbirine ne kadar yakın olduğu incelenmiştir. Bu çalışmada, modeller içerisinde en iyi performansa ulaşabilmek için birçok deneme-yanılma yapılmış ve yapılan analizler sonucunda YSA modeli, diğer yöntemlere göre daha iyi sonuç vermiştir. Ayrıca kullanılan yöntemlerin etkinliği Kruskal-Wallis (KW) testi ile kanıtlanmıştır.
Özet (Çeviri)
Water, which is one of the most important resources for life, is found in a limited amount on earth and unfortunately it is polluted as a result of rapid population growth, agricultural and industrial activities, and this situation causes difficult situations. The dissolved oxygen (DO) parameter has an important place in the monitoring of water quality. Artificial intelligence techniques used in many fields are also used in the water management process and provide significant gains in the results of studies in the field of“water quality”. In this study, between the years 1995-2014, the observation stations in the Sakarya Basin; the data of the measured water quality parameters in February, April, June, August and November and the DO value were modeled using Artificial Neural Networks (ANN), Deep Learning (DL), Support Vector Machine (SVM) and Gaussian Process Regression (GPR) methods. As input data in models; biological oxygen demand (BOD), temperature (T), electrical conductivity (EC), months and pH are used and output data is DO parameter. In order to measure the estimation performance of the models, Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), coefficient of determination (R2) and Nash-Sutcliffe coefficient of efficiency (NSE) values were taken into consideration. In addition, it was examined how close the measured data and the values obtained from the models were to each other with the help of Taylor and Violin diagrams. In this study, in order to reach the best performance among the models, many trial and error were made and as a result of the analyzes, the ANN model gave better results than other methods. In addition, the effectiveness of the methods used has been proven by the Kruskal-Wallis (KW) test.
Benzer Tezler
- Ergene nehri havzasında biyolojik oksijen ihtiyacının yapay sinir ağları ile modellenmesi
Modeling of biochemical oxygen demand in the Ergene river basin with artificial neural networks
MÜGE KARAMUSTAFA
Yüksek Lisans
Türkçe
2019
İnşaat MühendisliğiSakarya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. EMRAH DOĞAN
- Sapanca havzası yan dereleri ve Sapanca Gölü'ndeki fosfor yüklerinin belirlenmesi
Determination of phosphorus loads in Sapanca basin tributaries and Lake Sapanca
SEDA TÜNAY
Yüksek Lisans
Türkçe
2015
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT ŞENGÖRÜR
- Sığ göllerde ağır metal kirliliği ve kaynaklarının değerlendirilmesi
Evaluation of heavy metal pollution and sources in shallow lakes
ABDURRAHİM DURMAZ
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RABİA KÖKLÜ
- Melen Havzası yüzeysel sular, yeraltı suları ve sedimentlerinde metal kirliliğinin araştırılması
Investigation of groundwater, surface water and sediment metal pollution in Melen Watershed-Turkey
AHMET ÇELEBİ
Doktora
Türkçe
2013
Çevre MühendisliğiSakarya ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT ŞENGÖRÜR
- Sakarya nehri havzasında su kalitesi yönetimi
Water quality management in Sakarya river basin
SELMİN BURAK BALTAOĞLU