Yüksek Lisans Tezi Görüntüleme

Öğrenci: Banu YILMAZ
Danışman: Doç. Dr. Egemen ARAS
Anabilim Dalı: İnşaat Mühendisliği
Enstitü: Fen Bilimleri Enstitüsü
Üniversite: Karadeniz Teknik Üniversitesi
Tez Adı: ÇORUH NEHRİ HAVZASINDA TAŞINAN ASKIDA KATI MADDE YÜKÜNÜN FARKLI YAPAY ZEKA TEKNİKLERİ İLE MODELLENMESİ
Tezin Türü: Yüksek Lisans
Kabul Tarihi: 2/6/2016
Sayfa Sayısı: 128
Tez No: t3038
Özet:

      Doğal akarsularda taşınan askıda katı madde yükünün doğru tahmini su kaynakları ve yönetimi açısından büyük önem taşımaktadır. Akarsularda yapılan direkt ölçümler askıda katı maddenin belirlenmesinde en güvenilir yol olmalarına rağmen, maliyetli ve zaman alıcıdırlar. Sediment taşınım denklemlerinde ise akım ve katı madde ile ilgili birçok parametreye gerek duyulmaktadır. Yaygın olarak kullanılan sediment anahtar eğrisi birçok noktada yetersizlikler göstermektedir. Bu sebepten dolayı sediment tahmini için daha yakın sonuçlar veren yöntemlere gereksinim vardır. Bu çalışmada Çoruh Nehri Havzası üzerinde bulunan Altınsu, İnanlı ve Karşıköy istasyonlarında, askıda katı madde tahmini konusunda birçok yöntemden yararlanılmıştır. Sediment anahtar eğrisinin yanısıra farklı regresyon ve yapay sinir ağları teknikleri kullanılmış ve karşılaştırmalı analizleri yapılmıştır. Her bir istasyon için çoklu regresyon analizi, çok değişkenli uyarlanabilir regresyon eğrileri, yapay arı kolonileri, öğretme-öğrenme tabanlı optimizasyon algoritması, çok katmanlı yapay sinir ağları, yapay arı kolonisi algoritması ile yapay sinir ağları eğitimi ve öğretme-öğrenme tabanlı optimizasyon algoritması ile yapay sinir ağları eğitimi olmak üzere toplamda 7 ayrı yöntem uygulanmıştır. Elde edilen sonuçlar karesel hatanın ortalama karekökü, ortalama mutlak hata ve determinasyon katsayısı kriterlerine göre değerlendirilmiştir. Yapay sinir ağları ile oluşturulan yöntemlerin yanısıra çok değişkenli uyarlanabilir regresyon eğrileri modelinin de askıda katı madde yükü tahmini konusunda başarılı olduğu sonucuna varılmıştır.

      Anahtar Kelimeler: Askıda Katı Madde Tahmini, Yapay Sinir Ağları, Yapay Arı Kolonisi, Öğretme-Öğrenme Tabanlı Optimizasyon Algoritması, Çok Değişkenli Uyarlanabilir Regresyon Eğrileri.