Journals / Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi / 2020 / Cilt: 11 - Sayı: 1

Porsuk çayı akım verilerinin değerlendirilmesi

Pages
329–340
Publication Date
2022-10-11
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)

Çalışma sonunda yapay sinir ağları modellerinin gerçek değerlere daha yakın sonuçlar verdiği görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Dünyamızda canlılığın temel ihtiyaçlarından bir tanesi sudur.
📊
Key Findings & Data:Bu nedenden dolayı dünyamızdaki su kaynaklarının bilinmesi, kontrol altında tutulması ve doğru bir şekilde değerlendirilmesi büyük önem taşımaktadır.
💡
Conclusion & Impact:Çalışma sonunda yapay sinir ağları modellerinin gerçek değerlere daha yakın sonuçlar verdiği görülmüştür.
🔬Design:Lab & Field Experiment
📍Scope:Comprehensive Sample
⚙️Variables:Yapay sinir ağları · regresyon analizi · akım

Özet

Dünyamızda canlılığın temel ihtiyaçlarından bir tanesi sudur. Hayatımızda bu kadar önemli bir yer tutan su dünyamızda sınırsız değildir. Bu nedenden dolayı dünyamızdaki su kaynaklarının bilinmesi, kontrol altında tutulması ve doğru bir şekilde değerlendirilmesi büyük önem taşımaktadır. Su kaynaklarının büyük bir kısmı nehirlerden elde edilmektedir ve nehir akım değerlerinin bilinmesi günümüzde büyük önem taşımaktadır. Nehir akım değerleri birçok parametreye bağlıdır. Belirli sebeplerden dolayı bu parametrelerin ölçülememesi ya da eksikliği durumunda bizlere su miktarı ile ilgili bilgi verebilen ve sadece matematiksel olarak bir davranış modeli belirleyen kara kutu modelleri bulunmaktadır. Yapay sinir ağları günümüzde en çok tercih edilen kara kutu modelinden biridir. Bu çalışmada yapay sinir ağlarının, ileri beslemeli geri yayılım metodu ve çoklu doğrusal regresyon analizi ile gen ifade programlama tekniği kullanılarak 4 farklı senaryo belirlenmiş ve bu senaryoların hangilerinin doğruya en yakın tahminlerde bulunduğu incelenmiştir. Çalışma sonunda yapay sinir ağları modellerinin gerçek değerlere daha yakın sonuçlar verdiği görülmüştür.

🔖

Cite This Article

YILDIRAN, A., KANDEMİR, S. Y. (2022). Porsuk çayı akım verilerinin değerlendirilmesi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, Cilt: 11 - Sayı: 1, 329–340. https://ajindex.com/articles/487578

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. Alp, M., Cığızoğlu, H. K., (2004). Farklı Yapay Sinir Ağı Metotları İle Yağış-Akış İlişkisinin Modellenmesi, İTE İnşaat Fakültesi, İnşaat Mühendisliği Bölümü Dergisi, 3:1, 80-88.
  2. Alpar, R., (2003). Uygulamalı Çok Değişkenli İstatistiksel Yöntemlere Giriş 1, Detay Yayıncılık, Ankara,
  3. Türkiye. Aytek, A., Kisi, O., 2008. A genetic programming approach to suspended sediment modelling, Journal of Hydrology, 351:3, 288-298.
  4. Cığızoğlu, H. K., (2003). Incorporation of ARMA models into flow forecasting by artificial neural networks, Environmetrics, 14:4, 417-427.
  5. Cobaner, M., Seckin, G., Kisi, O., (2008). Initial assessment of bridge backwater using an artificial neural network approach, Canadian Journal of Civil Engineering, 35, 500-510.
  6. Demir, M., Ceritbinmez, F., Kanca, E., (2014). Plastik Parça Üretiminde Çapaklanma Miktarının Genetik Algoritma Yöntemiyle Tahmin Edilmesi, Uluslararası Mühendislik ve Fen Bilimlerinde Yenilikçi Teknolojiler Sempozyumu, Karabük. Demirpençe, H., (2005). Köprüçay Akımlarının Yapay Sinir Ağları ile Tahmini, Antalya Yöresinin İnşaat Mühendisleri Sorunları Kongresi, Antalya. Fay, D., Ringwood, J. V., (2007). A wavelet transfer model for time-series forecasting, International Journal Bifurcation and Chaos, 17:10, 3691-3696.
  7. Gümüş, V., Kavşut M. E., Yenigün K., (2010). Yağış-Akış İlişkisinin Modellenmesinde YSA Kullanımının Değerlendirilmesi: Orta Fırat Havzası Uygulaması, Bilimde Modern Yöntemler Sempozyumu, Diyarbakır. Gümüş, V., Soydan, N. G., Şimşek, O., Aköz, M. S., Kırkgöz, M., S., (2013). Yağış Akış İlişkisinin Belirlenmesinde Farklı Yapay Sinir Ağı Yöntemlerinin Karşılaştırılması, Çukurova Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, 28:1, 37-49.
  8. Gümüş, V., Kavşut M. E., (2013). Zamanti Nehri Ergenuşağı İstasyonu Eksik Aylık Akım Verilerinin Tahmini, Gazi Üniversitesi Fen Bilimleri Dergisi, 1:2, 81-91.
  9. Keskin, M. E., Taylan, E. D., (2007). Orta Akdeniz Havzasındaki Akımların Stokastik Modellemesi, İMO Teknik Dergi, 282, 4271-4291.
  10. Kızılaslan, M., Anıl, F.S., Doğan, E., Sönmez, O., (2014). Aşağı Sakarya Nehri Akımlarının Yapay Sinir Ağları ile Tahmin Edilmesi, Sakarya Üniversitesi Fen Bilimleri Dergisi, 18:2, 99-103.
  11. Kişi, Ö., (2004). Yapay Sinir Ağları ve Regresyon Teknikleri ile Filyos Çayı Akımlarının Tahmini, IV. Hidroloji Kongresi, İstanbul,
  12. Türkiye. Kisi, O., Shiri, J., Tombul, M. (2013). Modeling rainfallrunoff process using soft computing techniques, Computers & Geosciences, 51, 108-117.
  13. Kohonen, T., (1988). An