Yapay Sınır Agları Ile Yeraltı Suyu Zaman Serısı Modellemesı

dc.contributor.advisor Cıgızoglu, H. Kerem tr_TR
dc.contributor.author Akacan, Sinan tr_TR
dc.contributor.department Su Mühendisliği tr_TR
dc.contributor.department Hydraulics Engineerin en_US
dc.date 2005 tr_TR
dc.date.accessioned 2015-10-28T09:17:21Z
dc.date.available 2015-10-28T09:17:21Z
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2005 tr_TR
dc.description Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2005 en_US
dc.description.abstract Bu çalışmada iki yapay sinir ağları metodu olan radyal tabanlı yapay sinir ağları ve ileri beslemeli geriye yayınım yapay sinir ağları metotları, yıllık toplam yağış ve yıllık toplam baz akım değerlerinin eklenik sapmaları ile, yeraltı su seviyesi tahmininde kullanılmıştır. Ulusal ve uluslararası yeraltı su verileri bu çalışmada kullanılmıştır.Ulusal verilerde ölçülemeyen ayların değerlerinin, regresyon analizi yapılarak, değerleri tespit edilmiştir. Yıllık toplam baz akım ve yıllık toplam ortalama yağış değerlerinin eklenik sapma değerleri ile tahmin yapılacak yeraltı su seviyesi değerleri veri olarak kullanılmıştır. Söz konusu veriler kullanılarak zaman serisinin gelecek yıllardaki değerleri tahmini yapılmıştır. Yer altı su seviyesi tahmininde yapay sinir ağları metotlarından radyal tabanlı yapay sinir ağları ve ileri beslemeli geriye yayınım yapay sinir ağlarını kullanmanın uygun olacağı görülmüştür. Çeşitli performans değerlendirme kriterleri, yapay sinir ağları ile yeraltı su seviyesi tahmin sonuçlarının oldukça iyi olduğunu göstermiştir. tr_TR
dc.description.abstract In this study two artificial neural network methods, radial basis neural networks and feed forward back propagation neural networks are used to predict groundwater level with base flow and precipitation data. National and international data are used. Unmeasured values are estimated by using regression analysis in national data. Base flow and precipitation data are used in “cumulative frequency distribution” to estimate future values. Past groundwater level data are also used to predict the future time series values. It is seen that using radial basis neural networks and feed forward back propagation neural networks is suitable in estimation of groundwater levels. Performance evaluation criteria showed that the ground water level estimation using artificial neural networks provided quite satisfactory results. en_US
dc.description.degree Yüksek Lisans tr_TR
dc.description.degree M.Sc. en_US
dc.identifier.uri http://hdl.handle.net/11527/9860
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 Yeralti su seviyesi tr_TR
dc.subject yapay sinir aglari tr_TR
dc.subject eklenik sapma tr_TR
dc.subject ergene havzası tr_TR
dc.subject groundwater level en_US
dc.subject artificial neural networks en_US
dc.subject cumulative frequency distribution en_US
dc.subject ergene area en_US
dc.title Yapay Sınır Agları Ile Yeraltı Suyu Zaman Serısı Modellemesı tr_TR
dc.title.alternative Modelling Groundwater Level Using Artificial Neural Networks en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
2526.pdf
Boyut:
1.07 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