Yazar "Yaman, Yunus" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Yağış-akış ilişkisinin GEP ve ANFIS ile modellenmesi
    (Dicle Üniversitesi Mühendislik Fakültesi, 2023) Yaman, Yunus; Önen, Fevzi
    Yağış-akış ilişkisinin doğru bir şekilde modellenmesi, su kaynaklarının yönetimi ve su taşkınlarının kontrolü gibi hidrolojik uygulamalar için hayati önem taşımaktadır. Ancak hidrolojik sistemlerin karmaşıklığı ve nonlineer özellikleri nedeniyle, yağış-akış ilişkisi gibi olayları tanımlamak için hala birçok model geliştirilmektedir. Özellikle son yıllarda küresel ısınma ve küresel iklim değişimi gibi etmenler, yağış-akış ilişkisini belirlemeyi daha da önemli hale getirmiştir. Bu nedenle, yapay zeka teknikleri gibi modern yaklaşımların kullanımı giderek artmaktadır. Bu çalışmada, havza yağış-akış modellemesi için iki farklı yapay zeka tabanlı yöntem olan Genetik İfadeli Programlama (GEP) ve Uyarlanabilir Sinirsel-Bulanık Çıkarım Sistemi (ANFIS) kullanılarak, tahmin edilen akış değerleri gözlenen akış değerleri ile karşılaştırılmıştır. Girdi parametreleri olarak, uydu verilerinden elde edilen 4km x 4km çözünürlüklü yağış verisi kullanılmıştır. Bu yağış verisi, havza için günlük ortalama yağış yüksekliği olarak elde edilmiştir. Akım verisi olarak, Berta Suyu Havzası çıkışındaki EİE-2334 No.lu akım gözlem istasyonunun (AGİ) günlük akış verileri kullanılmıştır. Akım verileri, Q(t-1), Q(t-2), Q(t-3), Q(t-4) ve yağış verileri olan P(t), P(t-1), P(t-2), P(t-3) gibi çeşitli girdi senaryoları oluşturulmuş ve çıkış olarak Q(t) ile eşleştirilmiştir. Modellerin performansı, determinasyon katsayısı (R2 ) ve ortalama karesel hatanın kökü (KOKH) gibi istatistiksel ölçütler kullanılarak değerlendirilmiştir. Yapılan çalışmada, ANFIS ve GEP yöntemlerinden elde edilen sonuçların birbirine yakın olduğu tespit edilmiştir. Berta Suyu Alt Havzası için en yüksek R2 =0,988 ve en düşük KOKH=4,770 değerini veren modelin ANFIS-K1 olduğu görülmüştür. Bu sonuçlar, yapay zeka tekniklerinin yağış-akış ilişkisini belirlemede etkili bir araç olduğunu göstermektedir.
  • Küçük Resim
    Öğe
    Yağış-akış ilişkisinin yapay zeka yöntemleri ile modellenmesi
    (Dicle Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Yaman, Yunus; Önen, Fevzi
    Yağış-akış ilişkisinin doğru bir şekilde modellenmesi su mühendisliğinde önem arz etmektedir. Bununla birlikte, hidrolojik sistemlerin karmaşıklığı ve nonlineer olma özelliği göz önüne alındığında, yağış-akış ilişkisi gibi olguları tanımlamak için hala birçok model geliştirilmektedir. Özellikle son yıllarda etkili olan küresel ısınma ve küresel iklim değişimi gibi etmenler sebebiyle yağış-akış ilişkisini belirlemek daha da önemli hale gelmiştir. Son zamanlarda, Yapay Sinir Ağı (YSA), Genetik İfadeli Programlama (GEP), Uyarlanabilir Sinirsel-Bulanık Çıkarım Sistemi (ANFIS) gibi yapay zeka teknikleri yağış-akış modellemesi gibi hidrolojik olaylar için kullanımı yaygınlaşmıştır. Bu tez çalışmasında, havza yağış-akış modellemesi için üç ayrı yapay zeka tabanlı yöntemler (YSA, GEP, ANFIS) ve istatistiksel bir yöntem olan Çoklu Doğrusal Regresyon (ÇDR) kullanılarak tahmin edilen akış değerleri, gözlenen akış değerleri ile karşılaştırılmıştır. Girdi parametrelerinden yağış verisi, 4km x 4km çözünürlükteki uydu verilerinden yararlanılmıştır. Yağış verisi havza için günlük ortalama yağış yüksekliği şeklinde elde edilmiştir. Akım verisi olarak Berta Suyu Havzası çıkışında bulunan EİE-2334 nolu akım gözlem istasyonunun (AGİ) günlük akış verileri kullanılmıştır. Akım verisinin Q(t-1), Q(t-2), Q(t-3), Q(t-4) ve yağış verisinin P(t), P(t-1), P(t-2), P(t-3) değerleri ile çeşitli girdi senaryoları oluşturulup çıkış olarak Q(t) ile eşleştirilmiştir. Girdilerin bir kısmı model eğitimi, kalan kısmı da test için ayrılmıştır. Modellerin performansı determinasyon katsayısı (R2) ve ortalama karesel hatanın kökü (KOKH) ile değerlendirilmiştir. Yapılan çalışmada ANFIS, GEP, YSA ve ÇDR sonuçlarının birbirine yakın olduğu tespit edilmiştir. Berta Suyu Havzası için en yüksek R2=0,988 ve en düşük KOKH=4,770 değerini veren modelin ANFIS-K1 olduğu görülmüştür. Yapılan bu çalışmalardan elde edilen sonuçlar doğrultusunda yapay zeka yöntemlerinin yağış-akış ilişkisini belirlemede kullanılabileceği tespit edilmiştir.