KaydedilenlerDerginizi ekleyin

Dergiler / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2019 / Cilt: 7 - Sayı: 1

Veri Madenciliği ile Çanakkale İli Kuraklık Tahmini

Drought Estimation of Çanakkale with Data Mining

Tahsin BAYKAL
E. Dilek TAYLAN
Özlem TERZİ
Onur ÖZCANOĞLU
Sayfa
124–135
Yayın Tarihi
2022-10-12
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)

Model sonuçları, hesaplanan SYİ değerleri ile karşılaştırıldığında, veri madenciliği yönteminin kuraklık tahmininde iyi sonuçlar verdiği gözlemlemiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllardaki iklim değişikliğinin zararlı etkileri göz önüne alındığında kuraklık tahmini oldukça önemlidir.
📊
Temel Bulgular & Veri:Çanakkale, Gökçeada ve Bozcaada yağış istasyonlarına ait yağış verileri ile 3, 6, 9, 12 ve 24 aylık standart yağış indeksi (SYİ) değerleri hesaplanmıştır.
💡
Sonuç & Katkı:Model sonuçları, hesaplanan SYİ değerleri ile karşılaştırıldığında, veri madenciliği yönteminin kuraklık tahmininde iyi sonuçlar verdiği gözlemlemiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Çanakkale · Kuraklık · Veri madenciliği

Özet

Son yıllardaki iklim değişikliğinin zararlı etkileri göz önüne alındığında kuraklık tahmini oldukça önemlidir. Bu çalışmada, Çanakkale iline ait kuraklık tahmini için veri madenciliği ile modeller geliştirilmiştir. Çanakkale, Gökçeada ve Bozcaada yağış istasyonlarına ait yağış verileri ile 3, 6, 9, 12 ve 24 aylık standart yağış indeksi (SYİ) değerleri hesaplanmıştır. Hesaplanan Gökçeada ve Bozcaada’nın SYİ değerleri veri madenciliği modellerinde girdi olarak kullanılmıştır ve farklı algoritmalar ile modeller geliştirilmiştir. Model sonuçları, hesaplanan SYİ değerleri ile karşılaştırıldığında, veri madenciliği yönteminin kuraklık tahmininde iyi sonuçlar verdiği gözlemlemiştir.

Abstract

Drought estimation is important considering the harmful effects of the climate change in recent years. In this study, various models are developed with data mining technique for the drought estimation of Çanakkale, Turkey. Standardized precipitation index (SPI) values for 3, 6, 9, 12 and 24 months are calculated using the precipitation data of Çanakkale, Gökçeada and Bozcaada stations. The calculated SPI values of Gökçeada and Bozcaada are used as input parameters in developing data mining models with different algorithms. Examining the model results, it is observed that data mining technique is effective in drought estimation.

🔖

Bu Makaleye Atıf Yap

BAYKAL, T., TAYLAN, E. D., TERZİ, Ö., ÖZCANOĞLU, O. (2022). Veri Madenciliği ile Çanakkale İli Kuraklık Tahmini. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Cilt: 7 - Sayı: 1, 124–135. https://ajindex.com/articles/494268

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. S. Sırdaş and Z. Şen, “Meteorological drought modelling and application to Turkey,” Itu Journal/D Engineering, vol. 2, no.2, pp. 95-103, 2003
  2. P. Dahal, N. S. Shrestha, M. L. Shrestha, N. Y. Krakauer, J. Panthi, S. M. Pradhanang, A. Jha and T. Lakhankar, “Drought risk assessment in central Nepal: temporal and spatial analysis,” Natural Hazards, vol. 80, no. 3, pp. 1913-1932, 2016
  3. M. Gocic and S. Trajkovic, “Spatiotemporal characteristics of drought in Serbia,” Journal of Hydrology, vol. 510, pp.110-123, 2014
  4. H.Vathsala and S.G. Koolagudi, “Prediction model for peninsular Indian summer monsoon rainfall using data mining and statistical approaches,” Computers and Geosciences, vol. 98, pp. 55-63, 2017
  5. Ö. Terzi, E. D. Taylan, O. Özcanoğlu and T. Baykal, “A Wavelet-ANFIS Hybrid model for drought forecasting,” 8th International Advanced Technologies Symposium, Elazığ, Turkey, 2017, pp. 3251-3258
  6. S. P. Norman, F. H. Koch and W. W. Hargrove, “Review of broad-scale drought monitoring of forests: Toward an integrated data mining approach,” Forest Ecology and Management, vol. 380, pp. 346-358, 2016
  7. H. A. Afan, A. El-shafie, W. H. M. W Mohtar and Z. M.Yaseen, “Past, present and prospect of an Artificial Intelligence (AI) based model for sediment transport prediction,” Journal of Hydrology, vol. 541, pp. 902-913, 2016
  8. M. Zounemat-Kermani, Ö. Kişi, J. Adamowski and A. Ramezani-Charmahineh, “Evaluation of data driven models for river suspended sediment concentration modeling,” Journal of Hydrology, vol. 535, pp. 457-472, 2016
  9. V. Nourani, A.H. Baghanam, J. Adamowski and Ö. Kisi, “Applications of hybrid wavelet– artificial intelligence models in hydrology: A review,” Journal of Hydrology, vol. 514, pp. 358-377, 2014
  10. Ö. Terzi, “Veri madenciliği süreci kullanilarak yağiş tahmini,” Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu, Trabzon, Turkey, 2012, ss. 126-129
  11. A. Jalalkamali, M. Moradi and N. Moradi, “Application of several artificial intelligence models and ARIMAX model for forecasting drought using the Standardized Precipitation Index,” International Journal of Environmental Science and Technology, vol. 12, no. 4, pp. 1201-1210, 2015
  12. T. Tadesse, D. A. Wilhite, S. K. Harms, M. J. Hayes and S. Goddard, “Drought monitoring using data mining techniques: A case study for Nebraska, USA,” Natural Hazards, vol. 33, no. 1, pp. 137-159, 2004
  13. B. Choubin, A. Malekian, and M. Golshan, “Application of several