Arşiv logosu
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
Arşiv logosu
  • Koleksiyonlar
  • Sistem İçeriği
  • Analiz
  • Talep/Soru
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
  1. Ana Sayfa
  2. Yazara Göre Listele

Yazar "Ziya, Ulviye" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
Sayfa Başına Sonuç
Sıralama seçenekleri
  • Yükleniyor...
    Küçük Resim
    Öğe
    Günlük akarsu akımlarının farklı makine öğrenmesi yöntemleri ile tahmini
    (Aksaray Üniversitesi Fen Bilimleri Enstitüsü, 2024) Ziya, Ulviye
    Günlük akarsu akımlarının tahmini su yapılarının işletilmesi, kontrolü ve yönetimi için oldukça önemlidir. Pek çok parametreye bağlı değişkenlik gösteren bir hidrolojik parametre olan akım değerlerinin kısa süreli değerlerinin tahmini zor bir konudur. Günlük, haftalık gibi kısa süreli akış tahminleri, bir havzadaki belirli bir rezervuarın ileriye yönelik akışını tahmin etmek için kullanılır. Bu tahminler, mevcut su kaynaklarının optimum kullanımı için rezervuar depolamasının aktif olarak düzenlenmesini gerektiren hidroelektrik güç planlaması ve taşkın azaltılması gibi durumları planlamak için kullanılır. Bu sebeple akarsu yapılarının yönetiminde gerek rezervuarda ne kadar su biriktirileceği veya bırakılacağının belirlenmesinde gerekse üretilecek enerji miktarının belirlenmesinde kısa süreli akım tahminlerine ihtiyaç duyulmaktadır. Bu sebeple en uygun tahmin yapılabilmesi su yapıları yönetiminde hayati öneme sahiptir. Bu çalışma kapsamında kısa süreli akım tahminlerinde kullanılan pek çok makine öğrenmesi yöntemleri arasından seçilmiş olan Gauss Süreci Regresyon Analizi (GPR), Destek Vektör Makinesi (DVM), Karar Ağaçları (KA), Rastgele Orman (RO) ve Yapay Sinir Ağları (YSA/ANN) yöntemlerinden en uygun olanı araştırılmıştır. Daha sonra bu yöntemlerin sonuçlarının iyileştirilmesi için Dalgacık Dönüşümü metodu kullanılmış ve aynı yöntemlerin Dalgacık Dönüşümünden sonraki modelleri hesaplanmıştır. Dalgacık dönüşümü öncesi ve sonrası oluşturulan yöntem ve modellerin sonuçları çeşitli istatistiksel kriterler ile karşılaştırılmıştır. En iyi model dalgacık dönüşümü sonrası Destek Vektörleri Makinesi yöntemlerinden Lineer fonksiyonu kerneli ile oluşturulan M04 modeli (R:0.998131, NSE:0.99624, KGE:0.99282, PI:0.03940, RMSE:0.30386, MAPE:0.05553) olarak bulunmuştur.

| Aksaray Üniversitesi | Kütüphane | Açık Bilim Politikası | Açık Erişim Politikası | Rehber | OAI-PMH |

Bu site Creative Commons Alıntı-Gayri Ticari-Türetilemez 4.0 Uluslararası Lisansı ile korunmaktadır.


Aksaray Üniversitesi Kütüphane ve Dokümantasyon Daire Başkanlığı, Aksaray, TÜRKİYE
İçerikte herhangi bir hata görürseniz lütfen bize bildirin

Powered by İdeal DSpace

DSpace yazılımı telif hakkı © 2002-2025 LYRASIS

  • Çerez Ayarları
  • Gizlilik Politikası
  • Son Kullanıcı Sözleşmesi
  • Geri Bildirim