Makine öğrenme yöntemleriyle Fırat havzasındaki sediment konsantrasyonunun tahmin edilmesi
Estimate the sediment concentration in the Euphrates basin using machine learning methods
- Tez No: 847526
- Danışmanlar: DOÇ. DR. OĞUZ ŞİMŞEK
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akarsular tarafından taşınan sediment miktarlarının bilinmesi barajların ekonomik ömürlerinin belirlenmesi, biriktirme haznelerinin tasarımı ve işletilmesi bunun yanı sıra havzanın erozyon karakteristiklerinin belirlenmesi için önemlidir. Bu yüzden taşınan katı madde miktarının doğru ölçülmesi veya belirlenmesi gereklidir. Son yıllarda karmaşık olayların tahmin edilmesinde oldukça sık kullanılan Yapay Sinir Ağları yöntemleri, Türkiye'nin en önemli havzalarından biri olan Fırat havzasında bulunan yedi farklı akarsu istasyonunda ölçülen sediment konsantrasyon değerinin tahmin edilmesinde kullanılmıştır. Ele alınan tüm istasyonlarda, sediment konsantrasyon değeri ile akarsu debisi arasındaki ilişkinin oldukça yüksek olduğu söylenebilir. Farklı girdi kombinasyonlarını oluşturularak tahmin yöntemlerinin başarısı belirlilik katsayısı (R2), Ortalama Mutlak Yüzde Hata (OMYH) ve Karekök Ortalama Karesel Hata (KOKH) değerleriyle belirlenmiştir. Çalışma sonucunda, kullanılan yöntemler arasında Yapay Sinir Ağları (YSA) yönteminin tez çalışmasında kullanılan diğer yöntemlere kıyasla ölçülen daha yakın tahminde bulunduğu belirlenmiştir. Tahmin yöntemleri, kullanılan istasyonlar arasında 2115 Göksu Nehri Malpınar istasyonunda en başarılı sonuçları vermiştir. Yapay sinir ağlarından elde edilen veriler ile gözlem istasyonlarından alınan gözlem değerleri karşılaştırılmış ve elde edilen sonuçlar ile makine öğrenme yöntemlerinin sediment miktarlarının modellenmesinde ve tahmininde kullanılabileceğini göstermiştir.
Özet (Çeviri)
Knowing the amount of sediment carried by streams is important for determining the economic life of dams, the design and operation of accumulation reservoirs, as well as determining the erosion characteristics of the basin. Therefore, it is necessary to measure or determine the amount of sediments transported accurately. Artificial Neural Network methods, which have been used frequently in predicting complex events in recent years, were used to estimate the sediment concentration value measured at seven different river stations in the Euphrates basin, one of the most important basins of Turkey. It can be said that the relationship between sediment concentration value and stream flow is quite high in all stations considered. By creating different input combinations, the success of the prediction methods was determined by the coefficient of determination (R2), Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE) values. As a result of the study, it was determined that among the methods used, the Artificial Neural Networks (ANN) method provided a closer prediction compared to the other methods used in the thesis study. Forecast methods gave the most successful results at the 2115 Göksu River Malpınar station among the stations used. Data obtained from artificial neural networks were compared with observation values obtained from observation stations, and the results showed that machine learning methods could be used in modeling and predicting sediment amounts.
Benzer Tezler
- Makine öğrenme yöntemleriyle bitcoin fiyat analizi
Bitcoin price analysis with machine learning methods
RAHA KHAKIKHOUEI
Yüksek Lisans
Türkçe
2020
Bilim ve TeknolojiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ASAF VAROL
- Uydu görüntülerinden alınan halka açık binaların derin öğrenme yöntemleriyle sınıflandırılması ve performans ölçümü
Classification and performance measurement of public buildings from satellite images with deep learning methods
ŞEYMA KARABULUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. DERYA AVCI
- Derin öğrenme yöntemleriyle sosyal medya analizi ve kullanıcı temsili
Social media analysis and user representation with deep learning methods
İBRAHİM RIZA HALLAÇ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GALİP AYDIN
- İnce ayar ile etkinliği artırılmış CNN ve transfer öğrenme yöntemleriyle prostat kanserinin tespiti
Detection of prostate cancer with CNN and transfer learning methodsenhanced with fine tuning
MURAT SARIATEŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL ÖZBAY
- Panoramik, sefalometrik ve el-bilek radyografilerini kullanılarak hibrit derin öğrenme yöntemleriyle yaş tahmini
Age prediction with hybrid deep learning methods using panoramic, cephalometric, and hand-wrist radiographs
MERVE PARLAK BAYDOĞAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ARSLAN TUNCER