KaydedilenlerDerginizi ekleyin

Dergiler / Celal Bayar Üniversitesi Fen Bilimleri Dergisi / 2026 / Cilt: 4 Sayı: 1

Akarçay Nehri Aylık Akımlarının Yapay Sinir Ağları ile Tahmini

Mehmet Ali Yurdusev
Müserref Acı
Mustafa Erkan Turan
Yılmaz İçağa
Sayfa
73–88
Yayın Tarihi
2008-03-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlar çok değişkenli regresyon analizi sonuçları ile kıyaslanarak Yapay Sinir Ağlarının, akım ve yağış gözlemlerinden, akış tahmini problemine başarılı bir şekilde uygulanabileceği ve güvenli tahminler ürettiği ortaya konmuştur

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Akarsulardaki düzenlemeler ve uygulamalar projelendirilirken, güvenilir akım tahminlerinin yapılması büyük bir önem taşımaktadır.
📊
Temel Bulgular & Veri:Geleneksel akım tahmini yöntemleri, sistemin içerdiği doğrusal olmayan yapısı dolayısı ile etkin tahminler yapmada yetersiz kalabilmektedir.
💡
Sonuç & Katkı:Elde edilen sonuçlar çok değişkenli regresyon analizi sonuçları ile kıyaslanarak Yapay Sinir Ağlarının, akım ve yağış gözlemlerinden, akış tahmini problemine başarılı bir şekilde uygulanabileceği ve güvenli tahminler ürettiği ortaya konmuştur
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yağış-akış modellemesi · Yapay Sinir Ağları (YSA) · Akarçay Nehri

Özet

Akarsulardaki düzenlemeler ve uygulamalar projelendirilirken, güvenilir akım tahminlerinin yapılması büyük bir önem taşımaktadır. Geleneksel akım tahmini yöntemleri, sistemin içerdiği doğrusal olmayan yapısı dolayısı ile etkin tahminler yapmada yetersiz kalabilmektedir. Bunun için alternatif tahmin yöntemlerine ihtiyaç duyulmaktadır. Bu çalışmada tahmin uygulamalarında sıkça kullanılan yapay sinir ağları yöntemi kullanılarak Akarçay kapalı havzasındaki aylık akımların, yağış ve akım gözlemlerinden tahmin edilmesi ele alınmıştır. Havzada mevcut bulunan yağış gözlem istasyonlarının yerleşimi, gözlem aralığı gibi parametreler bağlı olarak 4 ayrı kategoride model tasarlanmıştır. Elde edilen sonuçlar çok değişkenli regresyon analizi sonuçları ile kıyaslanarak Yapay Sinir Ağlarının, akım ve yağış gözlemlerinden, akış tahmini problemine başarılı bir şekilde uygulanabileceği ve güvenli tahminler ürettiği ortaya konmuştur

🔖

Bu Makaleye Atıf Yap

Yurdusev, M. A., Acı, M., Turan, M. E., İçağa, Y. (2008). Akarçay Nehri Aylık Akımlarının Yapay Sinir Ağları ile Tahmini. Celal Bayar Üniversitesi Fen Bilimleri Dergisi, Cilt: 4 Sayı: 1, 73–88. https://ajindex.com/articles/1098940

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. ACI, M “Yapay sinir ağları ile hidrolojik modelleme”, Yüksel lisans tezi, Celal Bayar Üniversitesi Fen Bilimleri Enstitüsü, Manisa, 2006
  2. Alp, M. ve Cığızoğlu, H.K., “Farklı yapay sinir ağı metodları ile yağış-akış ilişkisinin modellenmesi”, İTU dergisi, Cilt:3, Sayı:1, 80-88, 2004
  3. Kohonen, T., An Introduction to Neural Computing, Neural Networks, 1, 3-6, 1988 Maier, H.R. ve Dandy, G.G., “Neural Network Based Modelling of Environmental Variables,” In: A Systematic Approach, 33, 669-682., 2001
  4. Minns, A.W., Hall, M.J., “Artificial neural networks as rainfall-runoff models,” Hydrological Sciences Journal,, 41(3), 399- 417, 1996
  5. Onüçyıldız, M. ve Yarar, A., Beyşehir Gölü Su Seviyesi Değişimlerinin Yapay Sinir Ağları ile Belirlenmesi, II.Ulusal Su Mühendisliği Sempozyumu, 21-24 Eylül 2005, İzmir, Türkiye, 2005
  6. Rumelhart, DE., Hinton, GE., and Williams, R J., Learning internal representation by error propagation. in parallel distributed processing: Explorations in the microstructures of cognition, MIT Press, Cambridge, MA., 1986.
  7. Sajikumar, N. Thandaveswara, B. S.“A nonlinear rainfall-runoff model using an artificial neural network” Journal of Hydrology, Vol. 216, pp. 32-55, 1999
  8. Shamseldin, A, Y. “Application of a neural network technique to rainfall-runoff modeling” Journal of Hydrology, Vol. 199, pp. 272–294,
  9. Terzi, Ö, Keskin, M.E., “Yapay sinir ağları yaklaşımı kullanılarak günlük tava buharlaşması tahmini” İMO Teknik Dergi, 3683-3693, 2005
  10. Kohonen, T., An Introduction to Neural Computing, Neural Networks, 1, 3-6, 1988 Maier, H.R. ve Dandy, G.G., “Neural Network Based Modelling of Environmental Variables,” In: A Systematic Approach, 33, 669-682., 2001
  11. Minns, A.W., Hall, M.J., “Artificial neural networks as rainfall-runoff models,” Hydrological Sciences Journal,, 41(3), 399- 417, 1996
  12. Rumelhart, DE., Hinton, GE., and Williams, R J., Learning internal representation by error propagation. in parallel distributed processing: Explorations in the microstructures of cognition, MIT Press, Cambridge, MA., 1986.