利用支持向量机和小波变换建立日溪流数据模型

Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi Pub Date : 2024-07-25 DOI:10.55213/kmujens.1477330

Ulviye Ziya, Mehmet Ali Hınıs

{"title":"利用支持向量机和小波变换建立日溪流数据模型","authors":"Ulviye Ziya, Mehmet Ali Hınıs","doi":"10.55213/kmujens.1477330","DOIUrl":null,"url":null,"abstract":"Günlük akarsu akımlarının tahmini su yapılarının işletilmesi, kontrolü ve yönetimi için oldukça önemlidir. Kısa süreli akım değerlerinin tahmini birçok parametreye bağlı olan ve değişkenlik gösteren zor bir görevdir. Günlük, haftalık gibi kısa süreli akış tahminleri, bir havzadaki belirli bir rezervuarın önümüzdeki kısa zaman bıyunca akışını tahmin etmek için kullanılır. Bu tahminler, mevcut su kaynaklarının optimum kullanımı için rezervuar depolamasının aktif olarak düzenlenmesini gerektiren hidroelektrik güç planlaması ve taşkın azaltmayı planlamak için kullanılır. Bu sebeple gerek akarsu yapılarının yönetiminde reservuarda ne kadar su biriktirileceği veya bırakılacağının belirlenmesinde gerekse üretilecek enerji miktarının belirlenmesinde kısa süreli akım tahminlerine ihtiyaç duyulmaktadır. Bu sebeple kısa süreli akımlar için en uygun tahminin yapılabilmesi su yapılarının yönetiminde hayati öneme sahiptir. Bu çalışmada günlük akım verilerinin kısa süreli akım tahminlerinde son yıllarda geliştirilmiş ve sıklıkla tercih edilen makine öğrenmesi yöntemlerinden birisi olan Destek Vektörleri Makineleri (DVM) incelenmiştir. Bu yöntem ile geliştirilen modeller sonuçlarının iyileştirilmesi için dalgacık dönüşümü kullanılarak hibrit modeller elde edilmiş ve günlük akım verileri için en uygun modeller araştırılmıştır. Geliştirilen modeller arasında 1,2 ve 5 günlük geciktirilmiş akım verilerin kullanılarak geliştirilen Dalgacık dönüşümlü DVM (WDVM04) modeli çeşitli istatistik kriterleri (R:0.998; NSE:0.996; KGE:0.993; PI:0.039; RMSE:0.304 ve MAPE:0.056) kullanılarak en iyi model olarak bulunmuştur.","PeriodicalId":423199,"journal":{"name":"Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi","volume":"54 19","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-07-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Günlük Akarsu Akım Verilerinin Destek Vektör Makinesi ve Dalgacık Dönüşümü ile Modellenmesi\",\"authors\":\"Ulviye Ziya, Mehmet Ali Hınıs\",\"doi\":\"10.55213/kmujens.1477330\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Günlük akarsu akımlarının tahmini su yapılarının işletilmesi, kontrolü ve yönetimi için oldukça önemlidir. Kısa süreli akım değerlerinin tahmini birçok parametreye bağlı olan ve değişkenlik gösteren zor bir görevdir. Günlük, haftalık gibi kısa süreli akış tahminleri, bir havzadaki belirli bir rezervuarın önümüzdeki kısa zaman bıyunca akışını tahmin etmek için kullanılır. Bu tahminler, mevcut su kaynaklarının optimum kullanımı için rezervuar depolamasının aktif olarak düzenlenmesini gerektiren hidroelektrik güç planlaması ve taşkın azaltmayı planlamak için kullanılır. Bu sebeple gerek akarsu yapılarının yönetiminde reservuarda ne kadar su biriktirileceği veya bırakılacağının belirlenmesinde gerekse üretilecek enerji miktarının belirlenmesinde kısa süreli akım tahminlerine ihtiyaç duyulmaktadır. Bu sebeple kısa süreli akımlar için en uygun tahminin yapılabilmesi su yapılarının yönetiminde hayati öneme sahiptir. Bu çalışmada günlük akım verilerinin kısa süreli akım tahminlerinde son yıllarda geliştirilmiş ve sıklıkla tercih edilen makine öğrenmesi yöntemlerinden birisi olan Destek Vektörleri Makineleri (DVM) incelenmiştir. Bu yöntem ile geliştirilen modeller sonuçlarının iyileştirilmesi için dalgacık dönüşümü kullanılarak hibrit modeller elde edilmiş ve günlük akım verileri için en uygun modeller araştırılmıştır. Geliştirilen modeller arasında 1,2 ve 5 günlük geciktirilmiş akım verilerin kullanılarak geliştirilen Dalgacık dönüşümlü DVM (WDVM04) modeli çeşitli istatistik kriterleri (R:0.998; NSE:0.996; KGE:0.993; PI:0.039; RMSE:0.304 ve MAPE:0.056) kullanılarak en iyi model olarak bulunmuştur.\",\"PeriodicalId\":423199,\"journal\":{\"name\":\"Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi\",\"volume\":\"54 19\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-07-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.55213/kmujens.1477330\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55213/kmujens.1477330","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

每日河流流量的估算对于水利工程的运行、控制和管理非常重要。估算短期流量值是一项艰巨的任务，它取决于许多参数，并具有可变性。短期流量预报，如每日、每周等，用于估算集水区内某一特定水库未来短时间内的流量。这些预报用于水电规划和防洪减灾规划，这些规划需要对水库蓄水量进行积极调节，以优化可用水资源的利用。因此，无论是在管理河流结构时确定水库的蓄水量，还是在确定发电量时，都需要进行短期流量预测。因此，对短期流量进行最合适的估算对水利工程的管理至关重要。本研究对支持向量机（SVM）进行了分析，SVM 是近年来发展起来的机器学习方法之一，在对日流量数据进行短期流量预报时经常受到青睐。为了改进用这种方法开发的模型的结果，利用小波变换获得了混合模型，并对最适合日流量数据的模型进行了研究。在所开发的模型中，使用 1 天、2 天和 5 天延迟海流数据开发的小波变换 SVM（WDVM04）模型在各种统计标准（R:0.998；NSE:0.996；CGE:0.993；PI:0.039；RMSE:0.304 和 MAPE:0.056）下被认为是最佳模型。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Günlük Akarsu Akım Verilerinin Destek Vektör Makinesi ve Dalgacık Dönüşümü ile Modellenmesi

Günlük akarsu akımlarının tahmini su yapılarının işletilmesi, kontrolü ve yönetimi için oldukça önemlidir. Kısa süreli akım değerlerinin tahmini birçok parametreye bağlı olan ve değişkenlik gösteren zor bir görevdir. Günlük, haftalık gibi kısa süreli akış tahminleri, bir havzadaki belirli bir rezervuarın önümüzdeki kısa zaman bıyunca akışını tahmin etmek için kullanılır. Bu tahminler, mevcut su kaynaklarının optimum kullanımı için rezervuar depolamasının aktif olarak düzenlenmesini gerektiren hidroelektrik güç planlaması ve taşkın azaltmayı planlamak için kullanılır. Bu sebeple gerek akarsu yapılarının yönetiminde reservuarda ne kadar su biriktirileceği veya bırakılacağının belirlenmesinde gerekse üretilecek enerji miktarının belirlenmesinde kısa süreli akım tahminlerine ihtiyaç duyulmaktadır. Bu sebeple kısa süreli akımlar için en uygun tahminin yapılabilmesi su yapılarının yönetiminde hayati öneme sahiptir. Bu çalışmada günlük akım verilerinin kısa süreli akım tahminlerinde son yıllarda geliştirilmiş ve sıklıkla tercih edilen makine öğrenmesi yöntemlerinden birisi olan Destek Vektörleri Makineleri (DVM) incelenmiştir. Bu yöntem ile geliştirilen modeller sonuçlarının iyileştirilmesi için dalgacık dönüşümü kullanılarak hibrit modeller elde edilmiş ve günlük akım verileri için en uygun modeller araştırılmıştır. Geliştirilen modeller arasında 1,2 ve 5 günlük geciktirilmiş akım verilerin kullanılarak geliştirilen Dalgacık dönüşümlü DVM (WDVM04) modeli çeşitli istatistik kriterleri (R:0.998; NSE:0.996; KGE:0.993; PI:0.039; RMSE:0.304 ve MAPE:0.056) kullanılarak en iyi model olarak bulunmuştur.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Karamanoğlu Mehmetbey Üniversitesi Mühendislik ve Doğa Bilimleri Dergisi

自引率

0.00%

发文量