Browsing by Author "Sidal, Furkan"

Now showing 1 - 3 of 3

Atık Su Arıtma Tesislerinde Biyokimyasal Oksijen İhtiyacının Yapay Sinir Ağı ve Regresyon Analiziyle Tahmin Edilmesi
(2023) Altun, Yener; Sidal, Furkan
Atık su arıtma tesislerinde su kalitesini takip edip müdahale etmek, tesislerin yönetiminde önemli bir rol oynar. Atık su arıtma tesisleri yapılırken ve işletilirken, biyolojik oksijen ihtiyacı değerlerine gereksinim duyulmaktadır. Bu değerin ölçülmesi diğer parametrelere göre daha uzun sürelerde gerçekleşmekte ve deneylerin yapılması da zahmetli ve maliyetli olmaktadır. Bu çalışmada biyolojik oksijen değerinin, atık su arıtma tesislerinde kolayca ölçülebilen diğer parametreler aracılığıyla yapay sinir ağları ve çoklu regresyon analizi teknikleriyle tahmin edilmesi amaçlanmıştır. Çalışmada kullanılan ölçüm sonuçları 2021-2022 yılları arasında Van iline ait bir atık su arıtma tesisinde ölçülen verileri kapsamaktadır. Kullanılan tahmin girdi parametreleri pH, elektriksel iletkenlik, sıcaklık, çözünmüş oksijen, kimyasal oksijen ihtiyacı, askıda katı madde, toplam azot ve toplam fosfor değerleri bağımsız değişken ve biyolojik oksijen değeri ise bağımlı değişken olarak seçilmiştir. Yapılan tahminlerde yapay sinir ağı modeli için MAPE değeri %0.12, MAD değeri 0.04, R değeri %99.83 ve R2 değeri %99.68 olarak elde edilmiştir. Aynı şekilde çoklu regresyon analizi yöntemi ile BOİ tahmin modelinde MAPE değeri %0.68, MAD değeri 0.06, R değeri %96.40 ve R2 değeri %92.92 olarak bulunmuştur. Çalışmada elde edilen bulgular biyolojik oksijen değerinin kolayca ölçülebilen parametreler yardımıyla ileri beslemeli yapay sinir ağları ve doğrusal çoklu regresyon analizi teknikleri ile oluşturulmuş olan modeller kullanılarak tahmin edilmesi mümkündür. Her iki model karşılaştırıldığında ise yapay sinir ağları ile geliştirilmiş olan modelin çoklu regresyon analizi ile geliştirilmiş olan modele göre daha iyi performans sergilediği tespit edilmiştir.
Prediction of Lake Van Water Level Change With Artificial Neural Network
(2023) Sidal, Furkan; Altun, Yener
Van Gölü su seviyesinde geçmişten bu yana süregelen düşüşler ve artışlar gözlenmektedir. Göl su seviyesindeki bu değişim sebeplerinin bulunabilmesi için birçok çalışma yapılmıştır. Yapılan bu çalışmalarda fiziksel nedenlerinin tespitinin yanı sıra istatistiksel yaklaşımlarla da göl seviyesi incelenmektedir. Bu tez istatistiksel bir çalışma olup, meteorolojik etmenlerin göl su seviyesi üzerine etkileri tespit edilerek bir tahmin modeli kurulmaya çalışılmıştır. Bu modelde teknolojinin hızla gelişmesine paralel insan beynini oluşturan sinir sistemini taklit eden yapay sinir ağları kullanılarak meteorolojik parametreler (yağış, sıcaklık, buharlaşma, rüzgâr hız, nispi nem ve aktüel basınç) ile Van Gölü su seviyesi tahmin edilmiştir. Çalışmanın bir diğer uzantısı da bağımsız değişkenler olarak yağış, sıcaklık, buharlaşma, rüzgâr hız, nispi nem ve aktüel basınç, bağımlı değişken olarak ise Van Gölü su seviyesindeki değişimlerin kullanıldığı çoklu doğrusal regresyon analizi ile model denklemi oluşturulmuş olup iki model karşılaştırılmıştır. Bu çalışmada, her iki modelin karşılaştırılması ile elde edilen sonuçlara göre Van Gölü su seviyesi tahmini için, yapay sinir ağları ile tahminin çoklu regresyon analizi yöntemine kıyasla daha gerçekçi sonuçlar ortaya koyabileceği ve YSA tahmin çalışmalarının göl su seviyesinde yalnız zamansal değil alansal da yapılabileceği gözlemlenmiştir.
Prediction of Lake Van Water Level Using Artificial Neural Network Model With Meteorological Parameters and Multiple Linear Regression Analysis: a Comparative Study
(2023) Sidal, Furkan; Altun, Yener
The water level of Lake Van has shown changes over time. This study encompasses a statistical investigation conducted to understand the reasons behind the variation in the lake's water level. In this study, an attempt has been made to establish a predictive model by determining the effects of meteorological factors on the lake's water level. Artificial neural networks have been utilized to predict the water level of Lake Van using meteorological parameters such as precipitation, temperature, evaporation, wind speed, relative humidity, and atmospheric pressure. Furthermore, a model equation has been formulated by examining the relationship between independent variables and the changes in the water level of Lake Van through multiple linear regression analysis. The two models have been compared, and the results have been evaluated. The obtained results indicate that the artificial neural network model can provide more realistic predictions for the water level of Lake Van compared to the multiple regression analysis method, demonstrating that artificial neural networks serve as a tool for both temporal and spatial predictions.