Doktora Adayı: Serkan Özdemir

EABD: Bilişim Sistemleri

Tarih: 19.12.2023 / 13:30

Yer: A-212

Özet: Küresel iklim değişikliği, hem değişen meteorolojik parametreler hem de yoğun su kullanımı nedeniyle son yıllarda göl seviyelerinde büyük dalgalanmalara yol açmıştır. Girdi veya çıktı değişkenlerindeki bir değişim, su dengesi denklemini kolayca değiştirebilir ve su seviyelerini ters yönde hareket ettirebilir. Devam eden eğilimi anlamak ve dramatik su dengesi ve su kalitesi yönetimi için bir eylem planı oluşturmak amacıyla, bilim insanları kaydedilen çeşitli değişkenleri analiz etmek için çeşitli modeller kullanmaktadır. Bu tezde, iklimsel ve hidrolojik değişkenler için kullanılan tahmin modelleri tartışılmakta ve bunların Göl Su Seviyesi (LWL) ve su kalitesi ile ilişkileri sunulmaktadır. Teknolojik gelişmelere bağlı olarak, göllerdeki su seviyesini tahmin etmek için üç farklı algoritma türü a) Naïve Yöntem, b) Yapay Sinir Ağları (YSA) ve son olarak c) Tekrarlayan Sinir Ağı (RNN) modelleri kullanılmıştır. Tezden elde edilen tahmin sonuçları, Kök Ortalama Karesel Hata (RMSE) değerlendirme metriğine göre Uzun Kısa Süreli Belleğin (LSTM) en yüksek doğruluğa sahip olduğunu göstermektedir. Modeller ayrıca Naïve Yönteminin performansı ile karşılaştırılmış ve sonuçlar, tahmin periyodu arttıkça YSA ve RNN algoritmalarının tahmin doğruluğunda üstün olduğunu göstermiştir. Tahmin performansları, anlamlı farklılıklara karar vermek için Diebold Mariano Testi ile değerlendirilmiştir. Ayrıca bu tez, gölün su kalitesinin sıcaklık ve buharlaşma ile yüksek oranda ilişkili olduğunu ortaya koymaktadır. Modeller ve değerlendirme ölçütleri, su yöneticilerinin operasyonel işlemlerde kullanmaları için bir karar destek aracı prototipi oluşturmak üzere geliştirilmiştir.