Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 ASOS INDEKS
 Görüntüleme 7
 İndirme 1
Farklı Yapay Sinir Ağı Modelleri Kullanarak Nehir Akımı Tahmini
2022
Dergi:  
Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi
Yazar:  
Özet:

Su kaynaklarının planlanması, tasarımı ve yönetimi, taşkın ve kuraklık yönetim stratejilerinin belirlenmesi ve olumsuz etkilerinin minimize edilebilmesi nedeniyle nehir akımının doğru bir şekilde tahmin edilmesi hayati önem taşımaktadır. Bu çalışmada, Yapay Sinir Ağları (YSA) modellerinin aylık nehir akımı tahmininde kullanılabilirliği araştırılmıştır. Bu amaçla, Türkiye'nin güneyinde Seyhan Havzasında yer alan iki istasyonun aylık verileri kullanılmıştır. Nehir akımı için Sarız Nehri-Şarköy gözlem istasyonu (No: D18A032), yağış için Sarız meteoroloji istasyonu (No: 17840) verilerinden faydalanılmıştır. Kullanılan yağış ve akış verileri 1990-2017 periyoduna aittir. Akım ve yağış verilerinin gecikmelerinden oluşan dokuz giriş kombinasyonu elde edilmiş ve YSA modellerinde kullanılmıştır. Aylık nehir akımını tahmin etmek için Çok Katmanlı Algılayıcı (MLP) ve Radyal Temelli Sinir Ağları (RBNN) olmak üzere iki YSA tekniği kullanılmıştır. MLP tekniğinde adaptif öğrenmeli ve momentum özellikli en dik iniş (GDX),esnek geriyayılım (RBP) ve Levenberg-Marquardt (LM)olmak üzere üçadet öğrenme algoritması kullanılmıştır. Farklı giriş kombinasyonları kullanılarak elde edilen her bir farklı YSA modelinin parametreleri deneme yanılma yoluyla belirlenmiştir. Kullanılan modellerin başarısı beş farklı performans ölçütü kullanılarak değerlendirilmiştir. Akarsu tahmininde kullanılan giriş kombinasyonlarından hangisinin daha başarılı olduğuna, test döneminin Nash Sutcliffe verimlilik katsayısı (NSE) değeri en yüksek olan kombinasyona göre karar verilmiştir. MLP-GDX, MLP-RBP, MLP-LM ve RBNN modellerinde benzer sonuçlar elde edilmiş olmasına rağmen MLP modelleri (LM hariç) az da olsa RBNN modellerinden daha başarılı olmuştur. En başarılı akım tahmin modeli MLP-GDX-M6 modeli olmuştur. MLP-GDX-M6 modelinde test periyodu için MAE=1.148 m3/s, RMSE=1.815 m3/s, R2=0.724, NSE=0.717 ve CA=1.069 olarak elde edilmiştir. Çalışmanın yeniliği, doğal nehirlerdeki aylık akış akışını tahmin etmek için MLP-GDX, MLP-RBP, MLP-LM ve RBNN dahil olmak üzere YSA modellerinin güvenilirliğini incelemiş olmamızdır.

Anahtar Kelimeler:

Estimation Of Streamflow Using Different Artificial Neural Network Models
2022
Yazar:  
Özet:

Accurate estimation of streamflow is crucial for water resources planning, design and management, determining of flood and drought management strategies, and minimizing their adverse effects. In this study, the usability of Artificial Neural Network (ANN) models to estimate of monthly streamflow was investigated. For this purpose, monthly data of two stations located in the Seyhan Basin in the south of Turkey were used. The data of Sarız River-Şarköy observation station (No: D18A032) for the streamflow and Sarız meteorology station (No: 17840) for precipitation were used. The precipitation and flow data used belong to the period 1990-2017. Nine input combinations consisting of lags of streamflow and precipitation data were obtained and used in ANN models. We used two ANN techniques, namely Multilayer Perceptron (MLP) and Radial Basis Neural Networks (RBNN) to estimate the monthly streamflow. In the MLP technique, three learning algorithms with gradient descent with momentum and adaptive learning rule backpropagation (GDX), Levenberg-Marquardt (LM) and resilient backpropagation (RBP) were used. The parameters of each different ANN model obtained by using nine input combinations were obtained by trial and error. The success of the models used was evaluated using five different performance metrics. Which of the input combinations used in the streamflow estimation was more successful was decided according to the combination with the highest Nash Sutcliffe efficiency coefficient (NSE) value of the test period. Although similar results were obtained in MLP-GDX, MLP-RBP, MLP-LM and RBNN models, MLP models (except MLP-LM) were slightly more successful than RBNN models. The most successful streamflow estimation model was the MLP-GDX-M6 model. In the MLP-GDX-M6 model, MAE=1.148 m3/s, RMSE=1.815 m3/s, R2=0.724, NSE=0.717, and CA=1.069 were obtained for the testing period. The novelty of the study is that we have examined the credibility of ANN models, including the MLP-GDX, MLP-RBP, MLP-LM and RBNN for predicting the monthly streamflow in natural rivers.

Anahtar Kelimeler:

Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler












Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi

Dergi Türü :   Uluslararası

Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi