| dc.creator |
Kaya, Muhammed,
1989-
author
195764 |
|
| dc.creator |
Saplıoğlu, Kemal,
1979-
thesis advisor
15516 |
|
| dc.creator |
Süleyman Demirel Üniversitesi.
Fen Bilimleri Enstitüsü.
İnşaat Mühendisliği Anabilim Dalı.
9169
issuing body |
|
| dc.date |
2018. |
|
| dc.identifier |
http://tez.sdu.edu.tr/Tezler/TF04190.pdf |
|
| dc.description |
Su kaynakları projelerinin planlanması günümüzde oldukça önemli hale gelmiştir. Planlama içinse yağış, akış, buharlaşma ve sızma gibi pek çok parametrenin mevcudiyeti çok önemlidir. Sağlıklı bir planlama için en az 30 yıllık veri seti gerekmektedir. Ancak bu durum her zaman mümkün olmamaktadır veya zaman içerisinde kesintiye uğramaktadır. Eksik verilerin tamamlanması için pek çok yöntem geliştirilmiştir. Bu yöntemler matematiksel, grafiksel ve yapay zekâ ile geliştirilen yöntemlerdir. Bu çalışma da Konya ili Beyşehir gölü ve çevresine ait Huğlu, Yeşildağ, Gedikli, Dumanlı, Derebucak ve Gölyaka akım gözlem istasyonlarından alınan veriler Anfis, Ann ve Regresyon ile modellenmiştir. Bu modellemeler yapılırken istasyonlardan alınan verilerin %80'i eğitim %20'si test verileri olarak kullanılmıştır. Elde edilen sonuçlar karşılaştırılarak eksik akım verilerinin hesaplanmasında en uygun modeller belirlenmiştir. Anahtar Kelimeler: Yapay Sinir Ağları, Anfis, Eksik Akım Verilerinin Tamamlanması, Konya Havzası, Beyşehir Gölü |
|
| dc.description |
The planning of water resources projects has become very important nowadays. Many parameters such as rainfall, flow, evaporation and infiltration are important for planning. At least 30 years of data set is required for proper planning. However, this is not always possible. Many methods have been developed to complete missing data. These methods are developed with mathematical, graphical and artificial intelligence. In this study, Beyşehir Lake in Konya and Huğlu, Yeşildağ, Gedikli, Dumanlı, Derebucak and Gölyaka were observed. Data from these observation stations were modeled by Anfis, ANN and Regression. While making these modeling, 80% of the data received from the stations were used for education. 20% is assigned as test data. The most appropriate models were determined for the calculation of the missing flow data by comparing the results. Keywords: Artificial neural networks, Anfis, Completion of Missing Current Data, Konya Basin, Beyşehir Lake |
|
| dc.description |
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, 2018. |
|
| dc.description |
Kaynakça var. |
|
| dc.description |
Su kaynakları projelerinin planlanması günümüzde oldukça önemli hale gelmiştir. Planlama içinse yağış, akış, buharlaşma ve sızma gibi pek çok parametrenin mevcudiyeti çok önemlidir. Sağlıklı bir planlama için en az 30 yıllık veri seti gerekmektedir. Ancak bu durum her zaman mümkün olmamaktadır veya zaman içerisinde kesintiye uğramaktadır. Eksik verilerin tamamlanması için pek çok yöntem geliştirilmiştir. Bu yöntemler matematiksel, grafiksel ve yapay zekâ ile geliştirilen yöntemlerdir. Bu çalışma da Konya ili Beyşehir gölü ve çevresine ait Huğlu, Yeşildağ, Gedikli, Dumanlı, Derebucak ve Gölyaka akım gözlem istasyonlarından alınan veriler Anfis, Ann ve Regresyon ile modellenmiştir. Bu modellemeler yapılırken istasyonlardan alınan verilerin %80'i eğitim %20'si test verileri olarak kullanılmıştır. Elde edilen sonuçlar karşılaştırılarak eksik akım verilerinin hesaplanmasında en uygun modeller belirlenmiştir. Anahtar Kelimeler: Yapay Sinir Ağları, Anfis, Eksik Akım Verilerinin Tamamlanması, Konya Havzası, Beyşehir Gölü |
|
| dc.description |
The planning of water resources projects has become very important nowadays. Many parameters such as rainfall, flow, evaporation and infiltration are important for planning. At least 30 years of data set is required for proper planning. However, this is not always possible. Many methods have been developed to complete missing data. These methods are developed with mathematical, graphical and artificial intelligence. In this study, Beyşehir Lake in Konya and Huğlu, Yeşildağ, Gedikli, Dumanlı, Derebucak and Gölyaka were observed. Data from these observation stations were modeled by Anfis, ANN and Regression. While making these modeling, 80% of the data received from the stations were used for education. 20% is assigned as test data. The most appropriate models were determined for the calculation of the missing flow data by comparing the results. Keywords: Artificial neural networks, Anfis, Completion of Missing Current Data, Konya Basin, Beyşehir Lake |
|
| dc.language |
tur |
|
| dc.publisher |
Isparta : Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü, |
|
| dc.subject |
Süleyman Demirel Üniversitesi |
|
| dc.title |
Eksik akarsu verilerinin anfis ile tamamlanması = The completion with anfis of the missing currents data stream / |
|
| dc.type |
text |
|