Değişik Yapay Sinir Ağı Metotlarının Su Kaynakları Verisinin Uzun Zaman Aralıklı Tahminlerinde Kullanımı

dc.contributor.advisor Cığızoğlu, Hikmet Kerem tr_TR
dc.contributor.author Aslan, Erdem tr_TR
dc.contributor.department Hidrolik ve Su Kaynakları Mühendisliği tr_TR
dc.contributor.department Hydraulics and Water Resources Engineerin en_US
dc.date 2008 tr_TR
dc.date.accessioned 2008-02-27 tr_TR
dc.date.accessioned 2015-07-15T13:41:23Z
dc.date.available 2015-07-15T13:41:23Z
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2008 tr_TR
dc.description Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2008 en_US
dc.description.abstract Bu çalışmada, üç farklı yapay sinir ağı metodu ile ileriye dönük uzun zaman aralıkları sonunda Türkiye’den ve yurtdışından toplam dört havza genelinde günlük sürekli akım, kurak devreli günlük akım, aylık akım, yeraltı su seviyesi verisi tahmin uygulamaları yapılmıştır. Çalışma sonuçları, yapay sinir ağları model tahminleri ile gözlenen zaman serileri karşılaştırmaları şeklinde sunulmuştur. Genelleştirilmiş Yapay Sinir Ağları, Radyal Tabanlı Yapay Sinir Ağı ve İleri Beslemeli Geriye Yayılım Sinir Ağı modellemeler için kullanılmıştır. Ayrıca Çok Değişkenli Doğrusal Regresyon sonuçlarına da karşılaştırma tutarlılığı için başvurulmuştur. Performans karşılaştırma kriterleri olarak, test süresi için elde edilen verinin ortalama kare hatası ve determinasyon katsayısı değerleri kullanılmıştır. Uzun dönem sonu tahmin sonuçlarının bütün yöntemlerde her veri grubu için farklı verimlilikte olduğu söylenebilir. Ancak Genelleştirilmiş Regresyon Yapay Sinir Ağları yöntemi ileri dönemlerden sonra diğer yapay sinir ağı yöntemleri ile karşılaştırıldığında daha iyi performans değerlendirme kriter değerlerine ulaşmıştır. Sonuç olarak, yapılan çalışmada GRYSA’nın, gösterdiği eğilim-tanımlama becerisi ile aylık akımlar ve özellikle yeraltı su seviyesi veri takımlarında uzun zaman aralıkları sonunda daha iyi olduğu görülmüştür. tr_TR
dc.description.abstract In this study, three different Artificial Neural Networks are applied to daily continuous river flow series, daily intermittent river flow series, monthly river flow series and ground water level series of four hydrologic regions from Turkey and in order to investigate the long range forecasting results. Study results are presented by comparing the ANN model long-range forecasts and the observed time series. General Regression Neural Network, Radial Basis Functions Neural Network and Feed Forward Back Propagation Neural Network are used to identify the models. Multi Linear Regression is also employed for comparison with ANN model forecasts. Mean squared error and coefficient of determination are used as the performance comparison criteria. It is seen that long-range forecasting results show variable performances for each type of data series. Nevertheless, General Regression Neural Network is seen to be more efficient compared with other ANN methods considering the performance evaluation criteria. Consequently, GRNN method is found to be the best method because of defining data trend in monthly river flow series and specially ground water level data forecasting. en_US
dc.description.degree Yüksek Lisans tr_TR
dc.description.degree M.Sc. en_US
dc.identifier.uri http://hdl.handle.net/11527/7925
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.publisher Institute of Science and Technology en_US
dc.rights İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Genelleştirilmiş Regresyon Yapay Sinir Ağı tr_TR
dc.subject İleri Beslemeli Geriye Yayılım Sinir Ağı tr_TR
dc.subject Radyal Tabanlı Yapay Sinir Ağı tr_TR
dc.subject Uzun Zaman Aralıklı Tahminler tr_TR
dc.subject Generalized Regression Neural Network en_US
dc.subject Feed Forward Back Propagation en_US
dc.subject Radial Basis Functions en_US
dc.subject Long Range Forecasting en_US
dc.title Değişik Yapay Sinir Ağı Metotlarının Su Kaynakları Verisinin Uzun Zaman Aralıklı Tahminlerinde Kullanımı tr_TR
dc.title.alternative The Use Of Different Artificial Neural Network Methods In Long Range Forecasting Of The Water Resources Data en_US
dc.type Master Thesis en_US
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
7991.pdf
Boyut:
2.22 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.14 KB
Format:
Plain Text
Açıklama