Journals / Teknik Dergi / 2026 / Cilt: 17 Sayı: 84

-

Uygun Stokastik Model Seçim Ölçütlerinin Değerlendirilmesi

Pages
3987–4002
Publication Date
2006-01-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

İkinci gurup çalışmalarda uygunluk ölçütlerinin performansları, toplumu ve istatistiksel özellikleri bilinen otuz sentetik örnek üzerinde smanmış ve elde edilen sonuçlar karşılaştınhnıştır

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Stokastik hidrolojide karşılaşılan en önemli problemlerden biri, incelenen süreci tanımlayan modeller arasından en uygun olanın seçimidir.
📊
Key Findings & Data:Sınamalarda, hidrolojide sık kullanılan AR(l), AR(2), AR(3), ARMA(l ,1) ve ARMA( 1 ,2) modelleri değerlendirihniştir.
💡
Conclusion & Impact:İkinci gurup çalışmalarda uygunluk ölçütlerinin performansları, toplumu ve istatistiksel özellikleri bilinen otuz sentetik örnek üzerinde smanmış ve elde edilen sonuçlar karşılaştınhnıştır
🔬Design:Modeling & Simulation
📍Scope:2015 Verileri
⚙️Variables:Domain Parameters

Özet

Stokastik hidrolojide karşılaşılan en önemli problemlerden biri, incelenen süreci tanımlayan modeller arasından en uygun olanın seçimidir. Sunulan çalışmada, gözlenmiş yıllık akımlar ve türetilmiş sentetik diziler kullanılarak, en uygun model seçiminde kullanılan yöntemler karşılaştırıhnıştır. Sınamalarda, hidrolojide sık kullanılan AR(l), AR(2), AR(3), ARMA(l ,1) ve ARMA( 1 ,2) modelleri değerlendirihniştir. Ceyhan havzası, Tanır/Gözlerüstü (2015/25) akım gözlem istasyonu yıllık ortalama akış değerleri ve sentetik serilerin kullanıldığı çalışmalarda elde edilen sonuçlar, uygunluk ölçütü perfonnansınm veri uzunluğuna paralel olarak arttığmı göstermiştir. İkinci gurup çalışmalarda uygunluk ölçütlerinin performansları, toplumu ve istatistiksel özellikleri bilinen otuz sentetik örnek üzerinde smanmış ve elde edilen sonuçlar karşılaştınhnıştır

🔖

Cite This Article

Baran, T., Bacanlı, Ü. G. (2006). -. Teknik Dergi, Cilt: 17 Sayı: 84, 3987–4002. https://ajindex.com/articles/1117904

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (24)

  1. Salas, J. D., Smith, R. A. Physical basis of stochastic models of annual şows. Water Resources Research, 17, 2, 428-430, 1981.
  2. Salas, J. D., Obeysekera, J. T. B., Smith, R. A. IdentiŞcation of streamşow stochastic models. ASCE Journal of Hydraulics Division, 107, HY7, 853-868, 1985.
  3. Bacanlı, Ü. G., Baran, T. Stokastik modellerde yıllık akım verilerinde uygunluk kriterlerinin değerlendirilmesi. IV Ulusal Hidroloji Kongresi, 23-25 Haziran, İstanbul, Türkiye, 215-225, 2004.
  4. Baran, T., Bacanlı, Ü. G. Evaluation of suitability criteria in stochastic modeling. EWRA Symposium on Water Resources Management: Risks and Challenges for the 21st Century, Proceedings V.II., Theme XI: Modeling as a Tool in Decision Making, 937 — 948, 2004.
  5. Bacanlı, Ü. G. Uncertainty analysis in selection of models best Şt to stochastic processes. Ph.D. thesis in Hydraulic-Hydrology and Water Resources Program (Sup.:T.Baran) Izmir, Dokuz Eylül University, Graduate School of Natural and Applied Sciences, Civil Engineering Department, 232 pp., 2004.
  6. Salas, J.D., Delleur, J.R., Yevjevich, V., Lane, W.L. Applied modeling of hydrologic time series. Water Resources Publication, Littleton—Colorado, 1980.
  7. Salas, J.D., Analysis and modeling of hydrologic time series. Mc Graw Hill, in Handbook of Hydrology V II, 19.1 — 19.72, New York, 1992.
  8. Bayazıt, M. Hidrolojide istatistiksel yöntemler. İstanbul, İTÜ, 1981.
  9. Box, G.E.P., Jenkins, G. M., Time series analysis forecasting and control. San Francisco, Holden Day, 575 pp., 1976.
  10. Fan, J., Yao, Q., Nonlinear time series. Springer, New York,, 2003.
  11. Brockwell, P.J., Davis, R.A. Introduction to time series and forecasting. Springer, New York, 2002
  12. Akaike, H. Fitting autoregressive model for prediction. Annals of the Institute of Statistical Mathematics, 21, 243 - 247, 1969.
  13. Akaike, H. Information theory and an extension of the maximum likelihood principle. 2nd International Symposium on Information Theory, (eds. B.N.Petrov and F. Csaki), Akademiai Kiado, Budapest, 267 - 281, 1973.
  14. Akaike, H. “A New Look at the Statistical Model IdentiŞcation”. IEEE Transactions on Automatic Control, 19, 716-723, 1974.
  15. Hurvich, C. M., Tsai, C. L. Regression and time series model selection in small samples. Biometrika, 76, 297-307, 1989.
  16. Elektrik İşleri Etüd İdaresi (EİE), Su Akım Aylık Ortalama (193 5-1995). Ankara, 2000.
  17. Elektrik İşleri Etüd İdaresi (EİE), Su Akımları Yıllığı (1996-2000). Ankara, 2003.
  18. Elektrik İşleri Etüd İdaresi (EİE), Hidrolojik çalışmalar, Akarsu havzaları, http://www.eie.gov.tr/turkce/hidroloji/20ceyhan.htm1
  19. Baran, T. Türkiye'nin güneyindeki akarsu havzalarmın brüt su kuvveti potansiyeli. İzmir, Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Böl., Hidroloji ve Su Yapıları Yüksek Lisans Tezi No.15 (Yön.Ü.Öziş), 255 s., 1987.
  20. Baran, T., Harmancıoğlu, N., Öziş, Ü. Türkiye'nin akarsu havzalarmda karst pınar katkıları. Ankara, İnşaat Mühendisleri Odası, Türkiye İnşaat Mühendisliği IX. Teknik Kongresi, Bildiriler C II: Su Kaynakları Mühendisliği, s. 299 - 311. 1987.
  21. Baran, T., Harmancıoğlu, N., Öziş, Ü. Average Base Flow Rates of Karst Spring Effluents in Turkey. Antalya, International Symposium and Field Seminar on Karst Waters and Environmental Impacts, 1995.
  22. Salas, J. D., Obeysekera, J. T. B., Smith, R. A. IdentiŞcation of streamşow stochastic models. ASCE Journal of Hydraulics Division, 107, HY7, 853-868, 1985.
  23. Salas, J.D., Delleur, J.R., Yevjevich, V., Lane, W.L. Applied modeling of hydrologic time series. Water Resources Publication, Littleton—Colorado, 1980.
  24. Fan, J., Yao, Q., Nonlinear time series. Springer, New York,, 2003.