Dergiler / Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi / 2010 / Cilt: 10 - Sayı: 2

Akarçay Havzasında Yapay Sinir Ağları ile Aylık Akım Tahmini

Monthly Flow Estimation in Akarçay Basin Using Artificial Neural Network

Sayfa
17–27
Yayın Tarihi
2010-08-01
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)

YSA’nın içyapısı açıkça anlaşılamamış olmakla beraber başarılı sonuçlar aylık akım tahmini için kullanılabileceğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Türkiye Akarçay havzası aylık akım gözlemleri altı yaklaşım kullanılarak Yapay Sinir Ağları (YSA) ile modellenmiştir.
📊
Temel Bulgular & Veri:Altı yaklaşım, ayın takvim sıra sayısı, önceki yılın gözlemleri ve bu gözlemlerin standardize değerleri şeklinde üç girdi değeri ile bunların iki farklı şekilde ağa tanıtılmasından oluşmuştur.
💡
Sonuç & Katkı:YSA’nın içyapısı açıkça anlaşılamamış olmakla beraber başarılı sonuçlar aylık akım tahmini için kullanılabileceğini göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapay Sinir Ağları · Aylık akım · Modelleme

Özet

Türkiye Akarçay havzası aylık akım gözlemleri altı yaklaşım kullanılarak Yapay Sinir Ağları (YSA) ile modellenmiştir. Modellemede aylık akımlar çok katmanlı algılayıcı YSA kullanılmıştır. Altı yaklaşım, ayın takvim sıra sayısı, önceki yılın gözlemleri ve bu gözlemlerin standardize değerleri şeklinde üç girdi değeri ile bunların iki farklı şekilde ağa tanıtılmasından oluşmuştur. Sonuçlar ortalama mutlak hata, determinasyon katsayısı ve Nash-Sutcliffe yeterlilik ölçütü ile sınandı. Araştırma soncu, ay sıra sayısının girdi olarak kullanıldığı YSA modellerinin iyi sonuç verdiğini göstermiştir. Karmaşık ve doğrusal olmayan sistemlerde YSA’nın başarılı modelleme yaptığı kabul edilebilir. YSA’nın içyapısı açıkça anlaşılamamış olmakla beraber başarılı sonuçlar aylık akım tahmini için kullanılabileceğini göstermektedir.

🔖

Bu Makaleye Atıf Yap

TEMEL, M., İÇAĞA, Y., TOKUR, S. (2010). Akarçay Havzasında Yapay Sinir Ağları ile Aylık Akım Tahmini. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, Cilt: 10 - Sayı: 2, 17–27. https://ajindex.com/articles/452170

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Akarcay Revise Hydrogeology Research. 1999. “Akarcay basin hydrogeology and ground water flow model (in Turkish)”. 2. Midterm report, Hacettepe University Kars Water Resources Research and Application Center, (Project Manager: L.Tezcan), p.180,Ankara.
  2. Baratti, R., Cannas,B., Fanni, A., Pintus, M., Sechi, G.M., Toreno, N. 2003. “River flow forecast for reservoir management through neural Networks”, Neurocomputing 55 421 – 437. Bose, N.K. and Liang, P. 1996. “Neural Network Fundementals with graphs, algorithms, and applications, McGraw-Hill, New York, p.478 Chen, J., Adams, B.J. 2006. “Integration of artificial neural networks with conceptual models in rainfall-runoff modeling”, Journal of Hydrology 318 232–249. Chibanga, r., Berlamont, J. and Vandewalle, J. 2003. ”Modelling and forecasting of hydrological neural networks: the Kafue River sub- basin”, Hydrological Sciences, 48(3), 363- 379. using artificial Cigizoglu, H.K. 2003. Estimation, forecasting and extraplotion of river flows by artificial neural networks, Hydrological Sciences, 48(3), 349-361.
  3. Cigizoglu, H.K. 2005. Generalized regression neural network in monthly flow forecasting, Civil Engineering and Environmental Systems, Vol.22, No.2, 71-84.
  4. Dibike, Y.B. and Solomatlne, D.P. 2001. “River Flow Forecasting Using Artificial Neural Networks”, Phys. Chem. Earth (B), Vol. 26, No. 1, pp. 1-7,.
  5. Efe, M.O. and Kaynak, O. 2000. “Artificial Neural Networks and Applicationa (In Turkish)” Boğaziçi University Press, İstanbul, p.141. Hines, W.W. and Montgomery, D.C. 1990. “Probability and Statistics in Engineering and Management Science”, third edition, John Wiley & Sons, Canada, p.732. HRR. 1998. “Hydrology Revise Report of Eber-Aksehir Project”, State Hydraulics Works, Ministry of Energy and Natural Sources, Isparta, p.151. Management, Hu, T.S., Lam, K.C. and Thomas NG, S., 2005, “A modified neural network for improving Hydrological Sciences, 5(2), 299-318. flow prediction”, Icaga, Y. 2001. Modeling monthly flows of Akarcay Hydrology Dokuz Eylul University, Izmir, p.637-640.
  6. Koksal, B.A. 1985. Statistical Analyses Methods (In Turkish), 3.Edition,
  7. Çağlayan Kitabevi, Istanbul, 1985, p.530. Kumar, D.N., Raju,K.S. and Sathish, T. 2004. “River flow forecasting using recurrent neural networks”, Water Resources management, 18: 143-161.
  8. Lallahem, S. and Mania, J. 2003. “A Nonlinear Rainfall-Runoff Model using Neural Network Technique: Example in Fractured Porous Media”, Modelling 37, 1047-1061. and Computer McCuen,