KaydedilenlerDerginizi ekleyin

Dergiler / Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi / 2016 / Cilt: 31 - Sayı: 2

Yapay Sinir Ağı Yöntemleri ile Aşağı Seyhan Ovası Alt Havzası Yağış-Akış İlişkisinin Modellenmesi ve Yağışlı-Kurak Dönemler Açısından İrdelenmesi

Modelling of Rainfall-Runoff Relation with Artificial Neural Network Methods for Lower Seyhan Plain Sub-Basin and Assessment in Point of Rainy-Droughty Terms

EVREN TURHAN
Hatice ÇAĞATAY ÖZMEN
Abdurrahim ÇETİN
Sayfa
227–241
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)

Bu bağlamda Standartlaştırılmış Yağış İndeksi (SYİ) analizi de yapılarak tahmin modeli test edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda yağış-akış ilişkisini modellemede yapay zeka tekniklerinin kullanımı çok yaygınlaşmıştır.
📊
Temel Bulgular & Veri:İleri Beslemeli Geri Yayınımlı (İBGYSA) ve Genelleştirilmiş Regresyon Yapay Sinir Ağları (GRYSA) gibi farklı Yapay Sinir Ağı (YSA) yöntemleri kullanılmıştır.
💡
Sonuç & Katkı:Bu bağlamda Standartlaştırılmış Yağış İndeksi (SYİ) analizi de yapılarak tahmin modeli test edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Son yıllarda yağış-akış ilişkisini modellemede yapay zeka tekniklerinin kullanımı çok yaygınlaşmıştır. Bu çalışmada Aşağı Seyhan Ovası Alt Havzası'ndaki belirlenmiş Akım Gözlem İstasyonu (AGİ) ve Çatalan, Karaisalı Yağış Gözlem İstasyonu (YAGİ) verilerinden yararlanılarak yağış-akış ilişkisinin modellenmesi üzerine çalışılmıştır. İleri Beslemeli Geri Yayınımlı (İBGYSA) ve Genelleştirilmiş Regresyon Yapay Sinir Ağları (GRYSA) gibi farklı Yapay Sinir Ağı (YSA) yöntemleri kullanılmıştır. Elde edilen sonuçlar Çoklu Doğrusal Olmayan Regresyon (ÇDOR) yöntemi sonuçları ile karşılaştırılmıştır. Bu bağlamda Standartlaştırılmış Yağış İndeksi (SYİ) analizi de yapılarak tahmin modeli test edilmiştir.

Abstract

Recently, using artificial intelligence techniques for modelling of rainfall-runoff relation is a very common application.In this study, modelling of rainfall-runoff relation for Lower Seyhan Plain SubBasin was applied with using existed flowdata of certain Flow Observation Stations (FOS) in this basin and rainfall data of Çatalan, Karaisalı Rainfall Observation Stations (ROS). Different artificial neural network methods as Feed Forward Back Propagation Neural Networks (FFBPNN)andGeneralized Regression Neural Networks (GRNN) were used. Obtained results were compared with Multiple NonLinear Regression (MNLR) results. In this context, also analysing by using the Standardized Precipitation Index (SPI) method, estimation model has been tested.

🔖

Bu Makaleye Atıf Yap

TURHAN, E., ÖZMEN, H. Ç., ÇETİN, A. (2016). Yapay Sinir Ağı Yöntemleri ile Aşağı Seyhan Ovası Alt Havzası Yağış-Akış İlişkisinin Modellenmesi ve Yağışlı-Kurak Dönemler Açısından İrdelenmesi. Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi, Cilt: 31 - Sayı: 2, 227–241. https://ajindex.com/articles/209727

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Şahin, M., 2007. Karadeniz Bölgesindeki Yağış-Akış İlişkisinin Farklı Yapay Sinir Ağları Metotlarıyla Belirlenmesi, Yüksek Lisans Tezi, İTÜ Fen Bilimleri Enstitüsü, İstanbul.
  2. Gümüş, V., Kavşut, M.E., Yenigün, K., 2010. Yağış-Akış İlişkisinin Modellenmesinde Orta Fırat Havzası Uygulaması, 2. Su Yapıları Sempozyumu, 14-16
  3. Ekim, Diyarbakır. Sattari, M.T., Yürekli, K., Ünlükara, A., 2011. Karaman İlinde Yapay Sinir Ağları Yaklaşımı Kullanılarak Kuraklığın Tahmini, Tarım Bilimleri Araştırma Dergisi, Vol:4, No:1, pp:07-13.
  4. Turhan, E., 2012. Seyhan Havzası'nın Yağış- Akış İlişkisinin Yapay Sinir Ağları Yöntemi ile Modellenmesi, Yüksek Lisans Tezi, Adana. Gümüş, V., Soydan, N.G., Şimşek, O., Aköz, M.S., Kırkgöz, M.S., 2013. Yağış-Akış İlişkisinin Belirlenmesinde Farklı Yapay Sinir Ağı Yöntemlerinin Karşılaştırılması, Ç.Ü. Müh.-Mim. Fak. Dergisi, Vol:28, No:1, 37-49.
  5. Seyran, Z., 2009. Aşağı Seyhan Ovasının Geçmişten Günümüze Arazi Kullanımındaki Değişiminin Coğrafi Bilgi Sistemleri ve Uzaktan Algılama ile Belirlenmesi, Yüksek Lisans Tezi, Adana. Yeler, O., İatır, O., Berberoğlu, S., 2014. Tarımsal Ürün Deseninin Çok Zamanlı Landsat Veri Seti Kullanılarak Obje Tabanlı Belirlenmesi: Aşağı Seyhan Ovası Örneği, 5. Uzaktan Algılama- CBS Sempozyumu (UzalCBS), 14-17
  6. Ekim, İstanbul.
  7. Doğru, F., 2015. Güncel Optimizasyon Yöntemleri Kullanılarak Rezidüel Gravite Anomalilerinden Parametre Kestirimi, Hacettepe Yer Bilimleri Uygulama ve Araştırma Merkezi Bülteni, Vol:36, No:1, 31-43.
  8. Keleşoğlu, Ö., Akarsu, E.E., 2008. Betorname Bir Binada Yıllık Isı Kaybı ve Enerji İhtiyacının Yapay Sinir Ağları ile Belirlenmesi, e-Journal of New World Sciences Academy, Vol:3, No:2, A0079, 381-390.
  9. Konate, A.A., Pan, H., Khan, N., Yang, J.H., 2015. Generalized Regression and FeedForward Back Propagation Neural Networks in Modelling Porosity from Geophysical Well Logs, Journal of Petroleum Exploration and Production Technology, ISSN 2190-0558, DOI 10.1007/s13202-014-0137-7.
  10. Seçkin, N., Güven, A., Yurtal, R., 2010. Taşkın Debilerinin Yapay Sinir Ağları ile Modellenmesi: Örneksel Bölge Çalışması-Batı Karadeniz Havzası, Ç.Ü. Müh. Mim. Fak. Dergisi, Vol.25, No:1-2, 45-57,
  11. Adana. Keskin, M.E., Terzi, Ö., Taylan, E.D., Yılmaz, A.G., 2007. Isparta Bölgesi Meteorolojik Kuraklık Analizi, I. Türkiye İklim Değişikliği Kongresi- TİKDEK, 11-13 Nisan, 350-359, İstanbul. EİEİ, 2005.
  12. Su Akımları Yıllığı Kitabı, Ankara.