Aylık buharlaşma tahmininde yapay zeka yöntemlerinin kullanılabilirliği
Yükleniyor...
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Hidrolojik çevrimin en önemli bileşenlerinden biri olan buharlaşma pek çok faktörün etkisindedir. Buharlaşma; bu kompleks yapısından dolayı tahmin edilmesi zor bir meteorolojik parametredir. Bu çalışmada, Konya Kapalı Havzası’nda yer alan Karaman istasyonuna ait meteorolojik parametreler kullanılarak oluşturulan farklı giriş kombinasyonları ile aylık buharlaşma miktarı tahmin edilmiştir. Bu amaçla Yapay Sinir Ağları (YSA), Destek Vektör Regresyonu (DVR), Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS) metotları kullanılmıştır. Sonuç olarak DVR, aylık buharlaşma tahmininde diğer metotlardan daha başarılı olmuştur.
Evaporation, one of the most important components of the hydrological cycle, is influenced by many factors. Evaporation is a meteorological parameter that is difficult to predict due to this complex structure. In this study, the amount of monthly evaporation was estimated using different input combinations formed by meteorological parameters belonging to Karaman station in Konya Closed Basin. For this purpose, Artificial Neural Networks (ANN), Support Vector Regression (SVR), Adaptive Network Based Fuzzy Inference System (ANFIS) methods are used. As a result, SVR has been more successful than other methods in monthly evaporation prediction.
Evaporation, one of the most important components of the hydrological cycle, is influenced by many factors. Evaporation is a meteorological parameter that is difficult to predict due to this complex structure. In this study, the amount of monthly evaporation was estimated using different input combinations formed by meteorological parameters belonging to Karaman station in Konya Closed Basin. For this purpose, Artificial Neural Networks (ANN), Support Vector Regression (SVR), Adaptive Network Based Fuzzy Inference System (ANFIS) methods are used. As a result, SVR has been more successful than other methods in monthly evaporation prediction.
Açıklama
Anahtar Kelimeler
Buharlaşma, Yapay Sinir Ağları, Destek Vektör Regresyonu, Su Kaynakları, Evaporation, Artificial Neural Networks, Support Vector Regression, Water Resources
Kaynak
Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi,
WoS Q Değeri
Scopus Q Değeri
Cilt
8
Sayı
1
Künye
Özel, A , Büyükyıldız, M . (2019). Aylık buharlaşma tahmininde yapay zeka yöntemlerinin kullanılabilirliği. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi , 8 (1) , 244-254 . DOI: 10.28948/ngumuh.516891