Geri Dön

Su kalitesi indeksinin tahmini için makine öğrenme yöntemlerinin karşılaştırılması: KASKİ örneği

Comparison of machine learning methods for water quality index estimation: KASKİ example

PDF İndir

  1. Tez No: 894548
  2. Yazar: NUR ORHAN
  3. Danışmanlar: PROF. DR. AHMET ALPER ÖNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Su Kalitesi İndeksi, Yapay Sinir Ağı Modelleri, Performans Kriterleri, Kruskall Wallis Testi, Water Quality Index, Artificial Neural Network Models, Performance Criteria, Kruskall Wallis Test
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, Kayseri Su ve Kanalizasyon İdaresi (KASKİ) tarafından 2015-2022 yılları arasındaki içme suyu verileri kullanarak su kalitesinin tahmin edilmesi araştırılmıştır. Yapılan tahmin çalışmasında giriş verisi olarak pH, iletkenlik, toplam siyanür, sülfat, nitrat, sodyum ve serbest klor kullanılırken çıkış verisi ise su kalitesi indeksi (WQI) kullanılmıştır. Modelleme yapılırken, yapay zekâ teknikleri olarak uyarlamalı ağ tabanlı bulanık çıkarım sistemi, Yapay Sinir Ağları, Gauss Süreç Regresyon, Mars Gezgin Model, Destek Vektör Makinesi, En Küçük Kareler Destek Vektör Regresyonu, Araştırılmış Regresyon Topluluğu Yöntemi, Yakın Komşu Sınıflandırılması Modeli, LSSVM ve M5 Model Ağacı Yöntemi kullanılmıştır. Modellerin tahmin başarıları performans kriterlerine göre doğruluğu test edilmiştir. Performans kriteri olarak, Determinasyon Katsayısı, Ortalama Mutlak Hata, Ortalama Karesel Hata, Kling-Gupta Verimliliği, Bağıl Kök Ortalama Hata, Nash-Sutcliffe Etkinliği, Overall Index ve Willmott Rafine İndeksi kullanılmıştır. Model sonuçlarına göre, karşılaştırma için kullanılan yöntemlerin tatmin edici sonuçlar verdiği görülmüştür. En iyi tahmin modeli ise LSSVM'dir. Önerilen yöntemlerin etkinliğini ise Kruskal-Wallis tesit ile doğruluğu desteklenmiştir. Bu araştırmanın amacı, WQI' belirlemek için doğrulanmış makina modeli sunarak, zaman alıcı, yoğun emek gerektiren, hesaplama hatalarına yatkın olan maliyetli ve geleneksel yöntemlere alternatif çözüm üretmektir.

Özet (Çeviri)

In this thesis, the estimation of water quality was investigated by Kayseri Water and Sewerage Administration (KASKİ) using drinking water data between 2015 and 2022. In the estimation study, pH, conductivity, total cyanide, sulfate, nitrate, sodium and free chlorine were used as input data, while water quality index (WQI) was used as output data. While modeling, adaptive network based fuzzy inference system, Artificial Neural Networks, Gaussian Process Regression, Mars Rover Model, Support Vector Machine, Least Squares Support Vector Regression, Researched Regression Ensemble Method, Nearest Neighbor Classification Model, LSSVM and M5 Model Tree Method were used as artificial intelligence techniques. The accuracy of the models' prediction success was tested according to performance criteria. Coefficient of Determination, Mean Absolute Error, Mean Square Error, Kling-Gupta Efficiency, Relative Root Mean Error, Nash-Sutcliffe Efficiency, Overall Index and Willmott Refined Index were used as performance criteria. According to the model results, it was seen that the methods used for comparison gave satisfactory results. The best estimation model is LSSVM. The effectiveness of the proposed methods was supported by Kruskal-Wallis test. The aim of this research is to produce an alternative solution to the traditional methods that are time-consuming, labor-intensive, costly and prone to calculation errors by presenting a validated machine model for determining WQI.

Benzer Tezler

  1. Tez No

    956017

    Su kalite indeksinin arıma ve LDTM yöntemleri ile tahmini

    Prediction of water quality index using arima and LSTM methods

    SABRİ EFE ZEYBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ARZU ALTIN YAVUZ

  2. Tez No

    709835

    Penetration rate optimization in heterogeneous formations with support vector machines method

    Destek vektör makinesi yöntemi ile heterojen formasyonlarda ilerleme hızı optimizasyonu

    KORHAN KOR

    Doktora

    İngilizce

    İngilizce

    2021

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜRŞAT ALTUN

  3. Tez No

    784012

    Numerical study of implemented eco-friendly nanofluid in the pinfin-equipped heatsinks with novel C-shaped and V-shaped patterns

    Yeni C-şekilli ve V- şekilli desenlere sahip iğne-kanat donanımlı soğutucularda uygulanan çevre dostu nanoakışkanın sayısal incelenmesi

    FARNAZ NOJAVAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERSİN SAYAR

  4. Tez No

    803956

    Prediction of water quality index using artificial neuron network (ANN)

    Yapay nöron ağı (ANN) kullanarak su kalitesi endeksi tahmini

    HASANAIN ALI BANWAN ZAMILI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Çevre MühendisliğiOndokuz Mayıs Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLFEM BAKAN

  5. Tez No

    142597

    Yeni Cami'nin akustik açıdan performans değerlendirmesi

    Evaluation of the acoustical performance of the New Mosque

    EVREN YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. SEVTAP YILMAZ DEMİRKALE

Geri Dön