Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightKarşılaştırmalar sonucunda, yapay sinir ağlarının diğerlerine göre daha iyi tahminler verdiğini gözlemlenmiştir.
📌 3 Maddede Bu Makale
Özet
Su kaynakları projelerinin planlanması ve yönetilmesinde nehirdeki katı madde konsantrasyonunun tahmini çok önemlidir. Literatürdeki birçok katı madde taşınım denklemleri birbiriyle uyuşmamakta ve birbirlerinden farklı sonuçlar vermektedir. Ayrıca bu denklemler detaylı akım ve sediment (katı madde) özelliklerine ihtiyaç duymaktadır. Bu çalışmanın ana amacı bağımlı değişken (toplam katı madde konsantrasyonu) ile bağımsız değişkenler (yatak eğimi, akım debisi, ve katı madde dane çapı) arasındaki lineer olmayan ilişkiyi açıklayan etkili bir model kurmaktır. Olayın karmaşık olmasından dolayı bu çalışmada bağımız değişkenler ve bağımlı değişken arasındaki lineer olmayan ilişkiyi açıklayabilmek için esnek (soft) hesaplama yöntemlerinden yapay sinir ağları (YSA) kullanılmıştır. Sunulan bu çalışmada 60 adet deney verisi YSA modelin oluşturulması için kullanılmıştır. Yapay sinir ağları bazı katı madde taşınım denklemleriyle karşılaştırılmıştır. Karşılaştırmalar sonucunda, yapay sinir ağlarının diğerlerine göre daha iyi tahminler verdiğini gözlemlenmiştir. Yapay sinir ağlarından sonra en iyi sonucu Modifiye Edilmiş Einstein (Einstein-Brown) denklemi vermiş olup, bu denklemle elde edilen sonuçların yapay sinir ağları ve gözlenen değerlere uyum sağladığı görülmüştür. Graf ve Acaroglu denklemleri ile elde edilen değerlerin ise gözlenen değerle uyum sağlamadığı bulunmuştur.