Yazar "Polat, Ahmet" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • [ X ]
    Öğe
    Comparison of Long-Short Term Memory and Gated Recurrent Unit Based Deep-Learning Models in Prediction of Streamflow Using Machine Learning
    (Osman SAĞDIÇ, 2022) Kılınç, Hüseyin Çağan; Polat, Ahmet
    Dünya nüfusundaki artış ve bunun sonucunda ortaya çıkan su ve enerji talebi, su kaynakları üzerinde artan bir baskı oluşturmaktadır. Makine öğrenmesi (ML), nehir akışlarını tahmin etmede etkin bir rol oynamaktadır. ML yöntemlerinden olan tekrarlayan sinir ağı (RNN) modeli, tekrarlayan veri setlerinde kaybolan gradyan sorunu nedeniyle yetersiz kalmıştır. Uzun kısa süreli bellek ağları (LSTM), ağ hücrelerinin önceden depolanmış belleklerinin bir kısmını unutmasına izin verir. Diğer bir yöntem olan geçitli tekrarlayan birim (GRU) ise hafızayı günceller ve kayıp problemini çözer. GRU'nun eğitim parametresi daha az olduğu ve daha az bellek kullandığı için hızlıdır, LSTM modelinde ise daha uzun diziler kullanıldığından veri kümesinde daha doğrudur. Fırat Nehri üzerindeki (E21A035) Bulam akış ölçüm istasyonunun (FMS) (2000-2009) akış verilerinden elde edilen veri seti orta büyüklükte ve tekrarlayan değerlere sahip olduğundan çalışmada bu iki model bu istasyondan elde edilen veriler ile karşılaştırılmıştır. Çalışma için Adadelta, Adagrad, FTRL, SGD, RMSprop, Nadam, Adamax, Adam iyileştiricileri test edilmiştir. R2, MAE, RMSE istatistiksel değerlendirme kriterleri göz önüne alındığında Adam ve Adamax optimize edicilerin daha iyi sonuçlar verdiği görülmüş ve verilere en uygun olan bu iyileştiricilerin kullanılmasına karar verilmiştir. Çalışmada MAE, MSE ve LogCosh kayıp fonksiyonları kullanılmıştır. LSTM ve GRU modellerinin performansı analiz edildiğinde, GRU modelinden daha iyi sonuçlar elde edildiği, 0.3346 RMSE, 0.1464 MAE ve 0.9718 R2 değerleri ile gözlemlenmiştir.
  • [ X ]
    Öğe
    Hibrit Parçacık Sürüsü Optimizasyonu ile Geçitli Tekrarlayan Birim Modeli Kullanılarak Nehir Akım Tahmini: Ceyhan Havzası Örneği
    (Osman SAĞDIÇ, 2022) Öztürk, Yunus; Kılınç, Hüseyin Çağan; Polat, Ahmet
    Su kaynaklarının verimli bir şekilde kullanılmasının en önemli yöntemlerinden biri havza bazlı yönetimin etkin bir şekilde gerçekleştirilmesidir. Su kaynaklarının sürdürülebilir olması, nehir akım tahminlerinin önemini ortaya koymaktadır. Bu çalışmada, nehir akım tahminine yardımcı olabilecek hibrit model kullanılmıştır. Derin öğrenme modellerinden olan kapılı tekrarlayan birim ve (GRU) ve parçacık sürüsü algoritması (PSO) hibritlenmiştir. Çalışmada Ceyhan Havzasının farklı kolları üzerinde yer alan Fırnız Deresi ve Aksu Çayı akım gözlem istasyonlara ait 2001-2010 yıllarına ait günlük akış verileri kullanılmıştır. İstasyon verileri kıyaslama modeli (GRU) hibrit model (PSO-GRU) ve klasik yöntemlerden olan lineer regresyon (LR) ile kıyaslanmıştır. Sonuçlar karşılaştırıldığında hibrit modelin kıyaslama ve lineer regresyon modellerine göre daha başarılı sonuçlar verdiği gözlemlenmiştir. Ayrıca değerlendirme kriterlerinden olan RMSE, MAE, MAPE, SD ve R2 değerlerine göre de hibrit model bu başarıyı doğrulamıştır