KaydedilenlerDerginizi ekleyin

Dergiler / Teknik Dergi / 2012 / Cilt: 23 - Sayı: 112

Radyal Tabanlı Yapay Sinir Ağları ile Kemer Barajı Aylık Akımlarının Modellenmesi

-

Umut OKKAN
H.yıldırım DALKILIÇ
Sayfa
5957–5966
Yayın Tarihi
2012-05-01
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)

Gözlenmiş ve modellenmiş ak1mlar1n uzun dönem ve mevsimsel istatistikleri karşılaştırıldığında; kurulan modelin Kemer Barajı aylık aknnlarmı başarıyla temsil ettiği; böylece geliştirilen modelin, bir baraj havzasmm aylık akımlarınm tahmininde başarıyla kullanılabileceği gösterilmiştir

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Su kaynakları sistemlerinin planlanması ve tasarımı aşamasında, güvenilir akım tahminlerinin ve aknn modelleme çalışmalarmın yapılması büyük önem taşımaktadır.
📊
Temel Bulgular & Veri:Girdi olarak yağış, sıcaklık ve 1 ay önceki yağış değerlerine ihtiyaç duyan RTYSA modeli, Mart 1979-Kasım 1997 tarihleri arasındaki 225 aylık akım verileri kullanılarak eğitilmiş; Aralık 1997-Aralık 2005 tarihleri arasındaki 97 aylık akım verileri ile smanmıştır.
💡
Sonuç & Katkı:Gözlenmiş ve modellenmiş ak1mlar1n uzun dönem ve mevsimsel istatistikleri karşılaştırıldığında; kurulan modelin Kemer Barajı aylık aknnlarmı başarıyla temsil ettiği; böylece geliştirilen modelin, bir baraj havzasmm aylık akımlarınm tahmininde başarıyla kullanılabileceği gösterilmiştir
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2005 Verileri
⚙️Değişkenler:aylık akım modeli · radyal tabanlı yapay sinir ağları · kemer barajı

Özet

Su kaynakları sistemlerinin planlanması ve tasarımı aşamasında, güvenilir akım tahminlerinin ve aknn modelleme çalışmalarmın yapılması büyük önem taşımaktadır. Sunulan çalışmada, bir Radyal Tabanlı Yapay Sinir Ağı modeli (RTYSA) geliştirilerek, Büyük Menderes Havzası’nda yer alan Kemer Baraj Havzası’na ait aylık akımlara uygulanmıştır. Girdi olarak yağış, sıcaklık ve 1 ay önceki yağış değerlerine ihtiyaç duyan RTYSA modeli, Mart 1979-Kasım 1997 tarihleri arasındaki 225 aylık akım verileri kullanılarak eğitilmiş; Aralık 1997-Aralık 2005 tarihleri arasındaki 97 aylık akım verileri ile smanmıştır. Gözlenmiş ve modellenmiş ak1mlar1n uzun dönem ve mevsimsel istatistikleri karşılaştırıldığında; kurulan modelin Kemer Barajı aylık aknnlarmı başarıyla temsil ettiği; böylece geliştirilen modelin, bir baraj havzasmm aylık akımlarınm tahmininde başarıyla kullanılabileceği gösterilmiştir

🔖

Bu Makaleye Atıf Yap

OKKAN, U., DALKILIÇ, H. (2012). Radyal Tabanlı Yapay Sinir Ağları ile Kemer Barajı Aylık Akımlarının Modellenmesi. Teknik Dergi, Cilt: 23 - Sayı: 112, 5957–5966. https://ajindex.com/articles/51412

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Academic Publishers, Dordrecht. 17-3 9, 1996. Hydrological Sciences Journal, 41, 3, 399—417, 1996.
  2. Dawson C.W., Wilby R., An Artificial Neural Network Approach to Rainfall-Runoff Modelling, Hydrological Sciences Journal, 43, 47-66, 1998.
  3. Alp, M., Cığızoğlu, H. K., Farklı. Yapay Sinir Ağı Metotları ile Yağış-Akış İlişkisinin Modellenmesi, İstanbul Teknik Universitesi Dergisi/d, 3, 1, 80-88, 2004.
  4. Okkan, U., Mollamahmutoğlu, A., Yiğitler Çayı Günlük Akımlarınm Yapay Sinir Ağları ve Regresyon Analizi ile Modellenmesi, Dumlupınar Universitesi Fen Bilimleri Enstitüsü Dergisi, 23, 33-48, 2010.
  5. Alp, M., Cığızoğlu, H. K., Yapay Sinir Ağı Metodları ve Regresyon Analizi ile Akım Tahmini, II. Ulusal Su Mühendisliği Sempozyumu, 589-598,
  6. Gümüldür, Izmir, 2005.
  7. Regressive Models, Turkish Journal of Engineering and Environmental Sciences, 29, 9—20, 2005.
  8. Mendez, M. C., Manteiga, W. G., Bande, M. F., Sanchez, J. M. P., Calderon, R. L., [10] Okkan, U., Mollamahmutoğlu, A., Çoruh Nehri Günlük Akimlarmın Yapay Sinir Ağları ile Tahmin Edilmesi, Süleyman Demirel Universitesi Fen Bilimleri Enstitüsü Coulibaly, P., Anctil, F., Bobee, B., Daily Reservoir Inşow Forecasting ArtiŞcial Neural Networks with Stopped Training Approach, Journal of Hydrology, 230, 244— Razavi, S., Araghinejad, S., Reservoir Inflow Modeling Using Temporal Neural Networks with Forgetting Factor Approach, Water Resources Management, 23, 39— Cigizoglu, H., K., Application of the Generalized Regression Neural Networks to Intermittent Flow Forecasting and Estimation, Journal of Hydrologic Engineering, Fernando, D.A.K., Jayawardena, A.W., Use of Radial Basis Function Type ArtiŞcial Neural Networks for Runoff Simulation, Computer-Aided Civil and Infrastructure Lin, G., Chen, L., A Non-Linear Rainfall-Runoff Model Using Radial Basis Function Network, Journal of Hydrology, 289, 1-8, 2004.
  9. Moradkhani, H., Hsu, K., Gupta, H. V., Sorooshain, S., Improved StreamŞow Forecasting Using Self-Organizing Radial Basis Function ArtiŞcial Neural Networks, Mann, H.B., Whitney, D.R., On a Test of Whether One of Two Random Variables is Stochastically Larger Than the Other. Annals of Mathematical Statistics, 18, 50-60, 1947.