| dc.creator |
Acar, Ramazan,
1993-
author
202285 |
|
| 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 |
2019. |
|
| dc.identifier |
http://tez.sdu.edu.tr/Tezler/TF04496.pdf |
|
| dc.description |
Baraj ve bağlama gibi su yapılarının projelendirilmesinde, hem içme suyu hem de kullanma suyunun temin edilmesi problemlerinde ve akarsuların kirlilik seviyelerinin belirlenmesi gibi çalışmalarda sediment yükünün doğru bir şekilde tahmin edilmesi çok önemlidir. Bu sebeplerden dolayı akarsulardaki sediment miktarının tespiti su kaynakları mühendisliğinde büyük önem taşır. Bu çalışmada, Fırat Havzası'nda bulunan Murat Nehri, Göynük Çayı ve Peri Suyu gibi nehirler sediment taşınımı açısından irdelenmiştir. Bölgede bulunan üç istasyon için yapay sinir ağları (YSA), uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS), çoklu doğrusal regresyon (MLR) ve Elektrik İşleri Etüt İdaresi (E.İ.E) üs metodu gibi yöntemler denenmiştir. Yapılan uygulamalarda bu üç istasyona ait sediment(Qs), debi(Q), sıcaklık(T) ve yağış(P) verilerinden yararlanılmıştır. Bu veriler kullanılarak üç istasyon için de sediment tahmin modelleri geliştirilmiştir. Bu çalışmada her bir istasyon için üç farklı model oluşturulmuştur. Birinci modelde girdi değişkeni olarak yağışın aynı günkü değeri, debi ve sıcaklık değerleri, çıktı değeri olarak da sediment konsantrasyonu (C) kullanılmıştır. İkinci modelde girdi değişkeni olarak yağışın bir gün önceki değeri, debi ve sıcaklık, çıktı değeri olarak da sediment konsantrasyonu kullanılmıştır. Üçüncü modelde ise girdi değişkeni olarak yağışın aynı günkü değeri, yağışın bir gün önceki değeri, debi ve sıcaklık, çıktı değeri olarak da sediment konsantrasyonu kullanılmıştır. Oluşturulan bu modeller eğitim ve test aşamalarında hem regresyon katsayısı (R2) hem de ortalama yüzde hatası (OYH) bakımından karşılaştırılmıştır. Eğitim ve test aşamalarında en başarılı sonuç yapay sinir ağları(YSA) ve ANFIS modellerinden elde edilmiştir. Anahtar Kelimeler: Sediment, Yapay Sinir Ağları (YSA), ANFIS, Çoklu Regresyon, Akarsular |
|
| dc.description |
In the project design of water structures such as dams and regulators, in the problems of providing both drinking water and running water and in studies such as determining the pollution levels of streams, accurate prediction of sediment load is of utmost significance. Therefore, detecting the amount of sediment in streams is vital for water resources engineering. In this study, rivers such as Göynük Stream, Murat River and Peri River on the Euphrates Basin were studied in terms of the subject of sediment transport. For the stations in the region, methods such as artificial neural networks (ANN), adaptive neuro fuzzy inference system (ANFIS), multiple linear regression (MLR) and the base method of electrical power resources survey and development administration (E.P.R.S.) were tested. In the practices for these three stations, sediment (Qs), flow rate (Q), temperature (T) and precipitation (P) data were taken into consideration. By using these data, sediment prediction models were created for these three stations. In this study, three different models were created for each station. In the first model, the value of the precipitation of the same day, flow rate and temperature were used as input variables while sediment concentration (C) was used as the output value. In the second model, the value of the precipitation of the previous day, flow rate and temperature were used as the input variables while sediment concentration was used as the output value. In the third model, the value of the precipitation of the same day, the value of the precipitation of the previous day, flow rate and temperature were used as input variables while sediment concentration was used as the output value. The models were compared during both the training and test phases in terms of both the regression coefficient (R2) and mean percentage error (MPE). In the training and test phases, the most successful result was obtained from the artificial neural networks (ANN) and ANFIS models. Keywords: Sediment, ANN, ANFIS, Multiple Regression, Streams |
|
| dc.description |
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, 2019. |
|
| dc.description |
Kaynakça var. |
|
| dc.description |
Baraj ve bağlama gibi su yapılarının projelendirilmesinde, hem içme suyu hem de kullanma suyunun temin edilmesi problemlerinde ve akarsuların kirlilik seviyelerinin belirlenmesi gibi çalışmalarda sediment yükünün doğru bir şekilde tahmin edilmesi çok önemlidir. Bu sebeplerden dolayı akarsulardaki sediment miktarının tespiti su kaynakları mühendisliğinde büyük önem taşır. Bu çalışmada, Fırat Havzası'nda bulunan Murat Nehri, Göynük Çayı ve Peri Suyu gibi nehirler sediment taşınımı açısından irdelenmiştir. Bölgede bulunan üç istasyon için yapay sinir ağları (YSA), uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS), çoklu doğrusal regresyon (MLR) ve Elektrik İşleri Etüt İdaresi (E.İ.E) üs metodu gibi yöntemler denenmiştir. Yapılan uygulamalarda bu üç istasyona ait sediment(Qs), debi(Q), sıcaklık(T) ve yağış(P) verilerinden yararlanılmıştır. Bu veriler kullanılarak üç istasyon için de sediment tahmin modelleri geliştirilmiştir. Bu çalışmada her bir istasyon için üç farklı model oluşturulmuştur. Birinci modelde girdi değişkeni olarak yağışın aynı günkü değeri, debi ve sıcaklık değerleri, çıktı değeri olarak da sediment konsantrasyonu (C) kullanılmıştır. İkinci modelde girdi değişkeni olarak yağışın bir gün önceki değeri, debi ve sıcaklık, çıktı değeri olarak da sediment konsantrasyonu kullanılmıştır. Üçüncü modelde ise girdi değişkeni olarak yağışın aynı günkü değeri, yağışın bir gün önceki değeri, debi ve sıcaklık, çıktı değeri olarak da sediment konsantrasyonu kullanılmıştır. Oluşturulan bu modeller eğitim ve test aşamalarında hem regresyon katsayısı (R2) hem de ortalama yüzde hatası (OYH) bakımından karşılaştırılmıştır. Eğitim ve test aşamalarında en başarılı sonuç yapay sinir ağları(YSA) ve ANFIS modellerinden elde edilmiştir. Anahtar Kelimeler: Sediment, Yapay Sinir Ağları (YSA), ANFIS, Çoklu Regresyon, Akarsular |
|
| dc.description |
In the project design of water structures such as dams and regulators, in the problems of providing both drinking water and running water and in studies such as determining the pollution levels of streams, accurate prediction of sediment load is of utmost significance. Therefore, detecting the amount of sediment in streams is vital for water resources engineering. In this study, rivers such as Göynük Stream, Murat River and Peri River on the Euphrates Basin were studied in terms of the subject of sediment transport. For the stations in the region, methods such as artificial neural networks (ANN), adaptive neuro fuzzy inference system (ANFIS), multiple linear regression (MLR) and the base method of electrical power resources survey and development administration (E.P.R.S.) were tested. In the practices for these three stations, sediment (Qs), flow rate (Q), temperature (T) and precipitation (P) data were taken into consideration. By using these data, sediment prediction models were created for these three stations. In this study, three different models were created for each station. In the first model, the value of the precipitation of the same day, flow rate and temperature were used as input variables while sediment concentration (C) was used as the output value. In the second model, the value of the precipitation of the previous day, flow rate and temperature were used as the input variables while sediment concentration was used as the output value. In the third model, the value of the precipitation of the same day, the value of the precipitation of the previous day, flow rate and temperature were used as input variables while sediment concentration was used as the output value. The models were compared during both the training and test phases in terms of both the regression coefficient (R2) and mean percentage error (MPE). In the training and test phases, the most successful result was obtained from the artificial neural networks (ANN) and ANFIS models. Keywords: Sediment, ANN, ANFIS, Multiple Regression, Streams |
|
| dc.language |
tur |
|
| dc.publisher |
Isparta : Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü, |
|
| dc.subject |
Süleyman Demirel Üniversitesi |
|
| dc.title |
Akarsulardaki sediment taşınımının yapay zekâ uygulamaları kullanılarak tespiti = Detection of sediment transport in streams by using artificial intelligence applications / |
|
| dc.type |
text |
|