Yapay Sınır Agları Ile Yeraltı Suyu Zaman Serısı Modellemesı
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 | Master Thesis | en_US |