Hibrit Parçacık Sürüsü Optimizasyonu ile Geçitli Tekrarlayan Birim Modeli Kullanılarak Nehir Akım Tahmini: Ceyhan Havzası Örneği

Basit Öğe Kaydı
dc.contributor.authorÖztürk, Yunus
dc.contributor.authorKılınç, Hüseyin Çağan
dc.contributor.authorPolat, Ahmet
dc.date.accessioned2025-03-26T13:52:50Z
dc.date.available2025-03-26T13:52:50Z
dc.date.issued2022
dc.departmentİstanbul Esenyurt Üniversitesi
dc.description.abstractSu 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
dc.description.abstractOne of the most important methods of efficient use of water resources is the effective implementation of watershed-based management. The sustainability of water resources reveals the importance of stream flow estimations. In this study, a hybrid model was proposed to river flow estimation. Deep learning methods named, gated recurrent unit (GRU) and particle swarm algorithm (PSO), are hybridized. In the study, daily flow data of the Fırnız River and Aksu River, flow measurement stations, which are located on different branches of the Ceyhan Basin, were used with the timespan of 2001-2010. Benchmark model (GRU) was compared with hybrid model (PSO-GRU) and linear regression (LR) which is one of the classical methods. Once the results were compared, it was observed that the hybrid model was more successful than the comparison and linear regression models. In addition, the hybrid model confirmed this success according to the RMSE, MAE, MAPE, SD and R2 values, which are among the evaluation criteria.
dc.identifier.doi10.31590/ejosat.1131657
dc.identifier.doihttps://doi.org/10.31590/ejosat.1131657
dc.identifier.endpage210
dc.identifier.issn2148-2683
dc.identifier.issue41
dc.identifier.startpage202
dc.identifier.urihttps://hdl.handle.net/20.500.14704/305
dc.language.isotr
dc.publisherOsman SAĞDIÇ
dc.relation.ispartofAvrupa Bilim ve Teknoloji Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250326
dc.subjectparçacık sürüsü algoritması
dc.subjectnehir akımı
dc.subjectkapılı tekrarlayan birim
dc.titleHibrit Parçacık Sürüsü Optimizasyonu ile Geçitli Tekrarlayan Birim Modeli Kullanılarak Nehir Akım Tahmini: Ceyhan Havzası Örneği
dc.title.alternativeRiver Flow Forecasting Using the Gated Recurrent Unit Model with Hybrid Particle Swarm Optimization: The Case Study of Ceyhan Basin
dc.typeReview Article

Dosyalar

Koleksiyon

Öksüz Yayınlar Koleksiyonu