Su kalite indeksinin arıma ve LDTM yöntemleri ile tahmini
Prediction of water quality index using arima and LSTM methods
- Tez No: 956017
- Danışmanlar: PROF. DR. ARZU ALTIN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Zaman Serileri, Zaman Serileri Analizi Uzun-Kısa Vadeli Bellek, LSTM, Time Series, Time Series Analysis, Long-Sort Term Memory, LSTM
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Teorisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serileri analizi, zamana bağlı olarak gözlemlenen bir veya birden çok sıralı değişkenlerin analizinde yaygın olarak kullanılan bir istatistiksel yöntemdir. Regresyon analizinden farklı olarak zaman serisi analizi en az bir bağımlı ve en az bir bağımsız değişkene ihtiyaç duymaz. Değişken yalnızca zamana ve kendisinin geçmiş değerlerine bağlıdır. Literatüre baktığımızda en çok kullanılan zaman serisi analizi yöntemi box-jenkins yada yaygın olarak kullanılan adıyla ARIMA metodudur. Zaman serileri sıralı veriler oldukları için neredeyse bütün seriler otokorelasyon içerir. Doğrusal bir yöntem olan ARIMA otokorelasyona karşı oldukça duyarlıdır. Dolayısıyla otokorelasyon giderilmeden yapılan analizler güvenilir sonuçlar veremez. Makine öğrenmesi modellerinin gelişimiyle birlikte otokorelasyondan etkilenmeyen, aradaki ilişkileri öğrenebilen doğrusal olmayan modeller geliştirilmiştir. Günümüzde zaman serisi analizlerinde en yaygın olarak kullanılan yöntem yinelemeli bir yapay sinir ağı olan LSTM yöntemidir. Yinelemeli sinir ağlarının uzun vadedeki ilişkileri modellerken meydana gelen gradyan patlaması sorununu çözmek için oluşturulmuş bir yöntemdir. Bu tez çalışmasında porsuk çayından elde edilen su kalitesi indekslerinin ARIMA ve LSTM yöntemleri ile modelleyerek karşılaştırma yapılacaktır.
Özet (Çeviri)
Time series analysis is a widely used statistical method for analyzing one or more sequential variables observed over time. Unlike regression analysis, time series analysis does not require at least one dependent and one independent variable. The variable depends only on time and its past values. When examining the literature, the most commonly used time series analysis method is the Box-Jenkins method, more widely known as the ARIMA method. Since time series consist of sequential data, almost all series contain autocorrelation. ARIMA, as a linear method, is highly sensitive to autocorrelation. Therefore, analyses conducted without addressing autocorrelation may not yield reliable results. With the advancement of machine learning models, nonlinear models that are unaffected by autocorrelation and capable of learning relationships within the data have been developed. Today, the most widely used method in time series analysis is LSTM, a recurrent artificial neural network. LSTM was designed to address the gradient vanishing problem that occurs when modeling long-term relationships in recurrent neural networks. In this thesis, water quality indices obtained from the Porsuk River will be modeled and compared using the ARIMA and LSTM methods.
Benzer Tezler
- Elazığ kenti atık su arıtma tesisi işletme parametrelerinin değerlendirilmesi
Evaluation of operating parameters of Elazığ city waste water treatment plant
MÜSLÜN SARA TUNÇ
Yüksek Lisans
Türkçe
2003
Çevre MühendisliğiFırat ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYHAN ÜNLÜ
- Nehir su kalitesinin deterministik modelleme ve ekolojik risk analizi yöntemleri ile değerlendirilmesi ve yönetimi: Aksu çayı uygulaması
Assessment and management of river water quality by deterministic modeling and ecological risk analysis: Aksu stream application
SEÇİL TÜZÜN DUĞAN
Doktora
Türkçe
2024
Çevre MühendisliğiAkdeniz ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE MUHAMMETOĞLU
- Derinçay Deresi (Çorum) su kalitesi üzerine fitoplankton ve fitobentoz temelli araştırma
A study on the water quality of Derinçay Stream (Çorum) based on phytoplankton and phytobenthos
SÜLEYMAN İPEK
- Co-digestion of sewage sludge and food waste in anaerobic membrane bioreactors: plant wide modelling to enhance energy recovery
Evsel atıksu arıtma tesisi çamurunun ve gıda atıklarının anaerobik membran biyoreaktörde birlikte çürütülmesi: enerji geri kazanımının arttırılması için tesis bazlı modelleme
SEDA NUR TÜRKÖZ
Yüksek Lisans
İngilizce
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA EVREN ERŞAHİN
- Nesnelerin interneti ve makine öğrenmesi ile jar testi sürecinin optimizasyonu
Optimization of the jar testing process with the internetof things and machine learning
FERDİ AKINCI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENVER KÜÇÜKKÜLAHLI