Show simple item record

dc.contributor.advisorOdabaş, Alper
dc.contributor.authorKaplan, Gürkan
dc.date.accessioned2023-11-10T08:37:14Z
dc.date.available2023-11-10T08:37:14Z
dc.date.submitted2023-11-06
dc.date.issued2023
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/758455
dc.description.abstractJulia, anında derleme yapan dinamik bir programlama dilidir. Yapay zekâ çalışmalarının gereksinim duyduğu matematiksel hesaplamalar ve üst düzey algoritmalar için MIT tarafından tasarlanmıştır.Bu tez ile İçme Suyu Arıtma Tesisinden alınan 21 parametre, analiz sıra numarası ve verinin ait olduğu güne ait ortalama sıcaklık değerinin oluşturduğu 826 güne ait 23 parametre ile 6 SCADA parametresinin analizleri yapıldı. Analizler öncesinde veri normalleştirmesi yapıldı. Çok Çıktılı Regresyon dahil 11 regresyon modeli ile veri kümesi çapraz doğrulama sonuçları ile değerlendirildi. Doğruluğu artırmak için veri çoğaltma tekniği kullanıldı. Bu şekilde veri sayısı 5598'e çıkartıldı. Test ve eğitim kümeleri için k-fold ve tekrarlı k-fold yöntemleri kullanıldı. Sonuçlar tablolar aracılığıyla paylaşıldı. Bu tez ile içme suyu gibi toplum için hayati öneme sahip bir maddenin çoğu tesiste insanlar tarafından parametrelere müdahale edilmesi sonucu kısa veya uzun vadede oluşabilecek zararların bu şekilde ortadan kaldırılmasına katkıda bulunuldu.
dc.description.abstractJulia is a dynamic programming language that compiles on the fly. It was designed by MIT for mathematical calculations and high-level algorithms required by artificial intelligence studies.With this thesis, 21 parameters taken from the Drinking Water Treatment Plant, the analysis sequence number and the average temperature value of the day to which the data belong, 23 parameters belonging to 826 days and 6 SCADA parameters were analyzed. Data normalization was performed before analysis. With 11 regression models, including Multi-Output Regression, the dataset was evaluated by cross-validation results. Data augmentation technique was used to increase accuracy. In this way, the number of data was increased to 5598. K-fold and repeated k-fold methods were used for test and training sets. The results were shared through tables. With this thesis, it has contributed to the elimination of the damages that may occur in the short or long term as a result of human intervention in the parameters of a substance such as drinking water, which is of vital importance for the society.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleJulia ve derin öğrenme teknikleri kullanılarak içme suyu arıtma tesisleri için yapay zekâ uygulaması
dc.title.alternativeArtificial intelligence application for drinking water treatment plants using julia and deep learning techniques
dc.typedoctoralThesis
dc.date.updated2023-11-06
dc.contributor.departmentMatematik Bilgisayar Ana Bilim Dalı
dc.subject.ytmSCADA
dc.subject.ytmArtificial intelligence
dc.subject.ytmDeep learning
dc.identifier.yokid10267288
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
dc.identifier.thesisid827263
dc.description.pages101
dc.publisher.disciplineBilgisayar Bilimleri Bilim Dalı


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess