Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Ömer Coşkun
Danışman: Hatice Çıtakoğlu
Özet:
Bu tez çalışması, Sakarya havzasındaki 10 adet meteoroloji istasyonuna ait uzun dönem yağış verileri kullanılarak havzadaki kısa dönem meteorolojik kuraklık değerlerinin tahmin edilmesine yöneliktir. Her bir istasyona ait aylık yağış verileri kullanılarak 1, 3, 6 ve 12 aylık kısa zaman ölçekleri için Standartlaştırılmış Yağış İndeksi (SYİ) kuraklık değerleri hesaplanmıştır. Hesaplanan SYİ kuraklık zaman serilerine, daha kısa ve daha yüksek özniteliklere sahip alt seriler elde edebilmek amacıyla Ayrık Dalgacık Dönüşümü (ADD), Ampirik Mod Ayrıştırma (AMA) ve Varyasyonel Mod Ayrıştırma (VMA) ön işleme teknikleri uygulanmıştır. Tahmin modellerinde bağımsız modeller olarak Yapay Sinir Ağları, Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi, Gauss Süreç Regresyonu, Destek Vektör Makine Regresyonu makine öğrenmesi yöntemleri ile Uzun-Kısa Süreli Bellek (UKSB) derin öğrenme yöntemi ele alınmıştır. Bu yöntemlere ADD, AMA ve VMA ön işleme teknikleri dâhil edilerek hibrit modeller elde edilmiş ve tüm bağımsız ve hibrit modellerin tahmin başarıları performans kriterlerine göre birbiri ile karşılaştırılmıştır. Test sonuçlarına göre, hibrit modellerin tahmin performansları bağımsız modellere göre oldukça üstündür. Ancak, bu tez çalışmasında UKSB yöntemi ile elde edilen bağımsız tahmin modelleri, yüksek tahmin performansları göstermiştir. Bundan dolayı kuraklık zaman serilerine farklı ön işleme teknikleri uygulanmadan da UKSB derin öğrenme yöntemi kullanılarak modellerden yüksek tahmin performanslarının elde edilebileceği sonucuna ulaşılmıştır. Ayrıca UKSB yönteminin hibrit modelleri, diğer makine öğrenmesi modellerine göre de daha başarılıdır. Ön işleme teknikleri arasında ise VMA tekniği, diğer tekniklere göre daha çok ön plana çıkmıştır.