Gelir getirmeyen su oranı tahmin modelleri

Kızılöz, Burak; Şişman, Eyüp

Gelir getirmeyen su oranı tahmin modelleri

dc.authorid	0000-0003-3696-9967
dc.contributor.author	Kızılöz, Burak
dc.contributor.author	Şişman, Eyüp
dc.date.accessioned	2021-09-20T05:30:41Z
dc.date.available	2021-09-20T05:30:41Z
dc.date.issued	2021
dc.department	İstanbul Medipol Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, İnşaat Mühendisliği Bölümü
dc.department	İstanbul Medipol Üniversitesi, Rektörlük, İklim Değişikliği Araştırmaları Araştırma Merkezi (İKLİMER)
dc.description.abstract	Bu araştırmada Gelir Getirmeyen Su Oranı (GGSO) tahminleri, Kocaeli’nin en fazla su kaybı yaşanan altı ilçesinin 2018 ve2019 yıllarına ait iki yıllık verisi dikkate alınarak ve tüketilen su miktarı, şebeke uzunluğu, servis bağlantı uzunluğu, toplam şebeke uzunluğu, şebeke yaşı ve şebeke basıncı ana parametreleri kullanılarak gerçekleştirilmiştir. Model tahminleri iki girdi ve tek çıktılı Yapay Sinir Ağı (YSA) modelleri ve Kriging yöntemi ile gerçekleştirilmiştir. Modellerde toplam şebeke uzunluğu ve iki girdili YSA model kombinasyonlarında ise, servis bağlantı uzunluğu ilk kez bu araştırmada model girdisi olarak kullanılmıştır. Yöntemlerin model çıktı performansları R2 ve HKOK performans ölçütleri üzerinden değerlendirilmiştir. Sonuç olarak; Kriging yöntemi ile gerçekleştirilen modellerin tahmin performansları YSA yöntemine göre oldukça iyidir. Kriging tekniği ile oluşturulan GGSO tahmin model çıktılarının değerlendirilmesi ve yorumlanması elde edilen tahmin haritaları sayesinde daha kolay yapılabilirken, kapalı model yapısına sahip olan YSA model sonuçlarında bu durum nitelikli uzmanlık gerektirmektedir.
dc.description.abstract	In this study, Non-Revenue Water Rate (NRWR) predictions have been made by taking into account two-year data (2018 and 2019) of Kocaeli and using the main parameters of consumed water amount, network length, service connection length, total network length, network age and network pressure in only six districts with the highest water loss. Model predictions have been made by both Artificial Neural Network (ANN) models with two inputs one output and Kriging method. In this study, the total network length for all model combinations and the service connection length for ANN combinations with two inputs have been used as a model input for the first time. The model output performances of the above-mentioned methods have been evaluated in accordance with R2 and HKOK criteria. In conclusion, it is obvious according to the results that the model prediction performances made by Kriging method are better than the other one (ANN method). On the other hand, while evaluating the NRWR prediction model outputs established by Kriging method is easier through the prediction charts, this requires a specialized skill set for evaluating the ANN results.
dc.identifier.citation	Kızılöz, B. ve Şişman, E. (2021). Gelir getirmeyen su oranı tahmin modelleri. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 10(1), 276-283. https://dx.doi.org/10.28948/ngmuh.789694
dc.identifier.doi	10.28948/ngmuh.789694
dc.identifier.endpage	283
dc.identifier.issn	2564-6605
dc.identifier.issue	1
dc.identifier.startpage	276
dc.identifier.uri	https://dx.doi.org/10.28948/ngmuh.789694
dc.identifier.uri	https://hdl.handle.net/20.500.12511/8216
dc.identifier.volume	10
dc.indekslendigikaynak	TR-Dizin
dc.language.iso	tr
dc.publisher	Niğde Ömer Halisdemir Üniversitesi
dc.relation.ispartof	Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi	en_US
dc.relation.publicationcategory	Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rights	info:eu-repo/semantics/openAccess
dc.subject	Kriging
dc.subject	Yapay Sinir Ağı
dc.subject	Gelir Getirmeyen Su Oranı
dc.subject	Su Dağıtım Şebekesi
dc.subject	Kocaeli
dc.subject	Kriging
dc.subject	Artificial Neural Network
dc.subject	Non Revenue Water Ratio
dc.subject	Water Distribution Network
dc.subject	Kocaeli
dc.title	Gelir getirmeyen su oranı tahmin modelleri
dc.title.alternative	Prediction models for non-revenue water ratio
dc.type	Article