Yağış Miktarının Yapay Sinir Ağları ile Tahmini

YEREL KANDEMİR, Süheyla; yıldıran, ali

Yağış Miktarının Yapay Sinir Ağları ile Tahmini

Ali YILDIRAN, (Bilecik Şeyh Edebali Üniversitesi)

Süheyla YEREL KANDEMİR (Bilecik Şeyh Edebali Üniversitesi)

Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi

31 3

Yıl: 2018 Cilt: 5 Sayı: 2 Sayfa Aralığı: 97 - 104 Metin Dili: Türkçe İndeks Tarihi: 07-01-2020

Yağış Miktarının Yapay Sinir Ağları ile Tahmini

Öz:

- Yağış verilerinin öngörülebilir olması ve doğruya yakın şekilde tahmin edilebilmesi; mühendislik açısındanbirçok avantaj sağlayacak bir durumdur. Geçmiş yağış verileri yardımıyla bu öngörü işlemi belirlimatematiksel denklemler sayesinde yapılabilmektedir. Kara kutu modeli olarak adlandırılan analizsistemlerinde geçmiş veriler sayesinde oluşturulan modeller yardımıyla eksik veriler ve gelecekteki veriler tahminedilebilmektedir. Günümüzde gerek alınan verimli sonuçlar gerekse kullanım kolaylığı ve hızı sebebiyle bir kara kutumodeli olan Yapay Sinir Ağları (YSA) bu öngörü modellemelerinde sıkça kullanılmaktadır. Bu çalışmada bir YapaySinir Ağı yöntemi olan İleri Beslemeli Geri Yayılım (İBGY) metodu yardımıyla yağış verileri tahmin edilmiştir vesonuçlar çoklu doğrusal regresyon analizi sonuçları ile karşılaştırılmıştır. Tahmin modelleri hazırlanırken geçmişyıllara ait yağış, nispi nem ve sıcaklık verileri birlikte kullanılmıştır. Hazırlanan birçok farklı modelden beş tanesikarşılaştırma amacıyla seçilmiştir. Çalışmada en iyi performansı 6 adet giriş verisi bulunan (sıcaklık, iki günötelenmiş nispi nem, bir gün ötelenmiş nispi nem, iki gün ötelenmiş yağış, bir gün ötelenmiş yağış) model 5 sergilemişve ileri beslemeli geri yayılım sinir ağının, çoklu doğrusal regresyon analizine göre daha başarılı sonuçlar verdiğigörülmüştür.

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Bilgisayar Bilimleri, Bilgi Sistemleri Meteoroloji ve Atmosferik Bilimler İstatistik ve Olasılık Bilgisayar Bilimleri, Yapay Zeka

Estimation of Rainfall Amount with Artificial Neural Networks

Öz:

Precipitation data are predictable and can be predicted close to true; engineering is a situation that will provide many advantages. With the help of past precipitation data, this prediction can be done with certain mathematical equations. In these analysis systems, which are called the black box model, missing data and future data can be estimated with the help of the models created by the past data. Artificial Neural Networks (ANN) are frequently used in these forecasting models due to the need for efficient results and the ease and speed of use. In this article, rainfall data were estimated using Advanced Feeding Back Propagation Neural Network (AFBPNN). Rainfall, relative humidity and temperature data from past years are used together while forecasting models are being prepared. Of the many different models prepared, five were selected for comparison. The best performance in the study was model 5 exhibited and forward feedback propagation neural network with 6 input data (temperature, two days drift relative humidity, one day drift relative humidity, two days drift rainfall, one day drift rainfall) according to multiple linear regression analysis more successful results.

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Bilgisayar Bilimleri, Bilgi Sistemleri Meteoroloji ve Atmosferik Bilimler İstatistik ve Olasılık Bilgisayar Bilimleri, Yapay Zeka

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

Bayazıt, M., Hidrolojik Modeller Ders Kitabı, İTÜ İnşaat Fakültesi Matbaası (Baskı 1), İstanbul, 1998.
Cığızoğlu, H. K., ‘’Incorporation of ARMA models into flow forecasting by artificial neural networks,’’ Environmetrics, vol. 14(4), pp. 417- 427, 2003.
Bodri L., Cermak, V., ‘’Prediction of Extreme Precipitation using a Neural Network Application to Summer Flood Occurence in Moravia,’’ Advences in Engineering Software, vol. 31, pp. 311-321, 1991.
Tokar A. S. ve Johnson P. A., ‘’Rainfallrunoff Modelling Using Artificial Neural Networks,’’ Journal of Hydrologic Engineering, vol. 4, no. 3, pp. 232- 239, 1999.
Applequist, S., Gahrs, G. E., Pfeffer, R. L., ‘’Comparison of Methodologies for Probabilistic Quantitative Precipitation Forecasting,’’ American Meteorological Society, vol. 17, pp. 783-799, 2002.
Cığızoğlu, H. K., ‘’Application of the Generalized Regression Neural Networks to Intermittent Flow
Forecasting and Estimation,’’ ASCE Journal Of Hydrologic Engineering, vol. 10, no. 4, pp. 336, 2005.
Ramirez, M. C. V., Velho, H. F. C., Ferreira, N. J., ‘’Artificial neural network technique for rainfall forecasting applied to the Sao Paulo region,’’ Journal of Hydrology, vol. 301, pp. 146-162, 2005.
Partal, T., Kahya, E., Cığızoğlu, K., ‘’Yağış Verilerinin Yapay Sinir Ağları ve Dalgacık Dönüşümü Yöntemleri İle Tahmini,’’ İstanbul Teknik Üniversitesi Dergisi, vol. 7, no. 3, pp. 73-86, 2008.
Aslay, F., Özen, Ü., ‘’Meteorolojik Parametreler Kullanılarak Yapay Sinir Ağları ile Toprak Sıcaklığının Tahmini,’’ Politeknik Dergisi, vol. 16, no. 4, pp. 139-145, 2013.
Gemici, E., Ardıçlıoğlu, M., Kocabaş, F., “Akarsularda Debinin Yapay Zeka Yöntemleri ile Modellenmesi,” Erciyes Üniversitesi Fen bilimleri Enstitüsü Fen Bilimleri Dergisi, vol. 29 (2), pp. 135-143, 2013.
Turhan, E. ve Çağatay, H. Ö., ‘’Eksik Akım Verilerinin Tahmin Modelinin Oluşturulmasında Yapay Sinir Ağlarının Kullanımı: Asi Nehri Demirköprü Akım Gözlem İstasyon Örneği,’’ Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol. 31, pp. 93-106, 2016.
Uğur, A., Kınacı, A. C., ‘’Yapay Zeka Teknikleri ve Yapay Sinir Ağları Kullanılarak Web Sayfalarının Sınıflandırılması,’’ XI. ‘’Türkiye’de İnternet’’ Konferansı Bildirileri, TOBB Ekonomi ve Teknoloji Üniversitesi, pp. 363-367, Ankara. 21-23 Aralık 2006.
Ülker, M., Civalek, Ö., ‘’Yapay Sinir Ağları ile Eksenel Yüklü Kolonların Burkulma Analizi,’’ Turkish J. Eng. Env. Sci, vol. 26, pp. 117-125, 2002.
Yerdelen, C., ‘’Mevsimlik Kar Erimesinin Yapay Sinir Ağları Yöntemi ile Tahmin Edilmesi,’’ Sakarya Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, vol. 21, pp. 3-4, 2006.
Civalek, Ö., Plak ve Kabukların Nöro-Fuzzy Tekniği ile Lineer ve Non-Lineer Statik-Dinamik Analizi, Yüksek Lisans Tezi, Fırat Üniversitesi, Elazığ, 1998.
Keleşoğlu Ö., Fırat A., ‘’İç Basınç Altında İnce Cidarlı Kabukların Yapay Sinir Ağları ile Çözümü,’’ Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol. 10, no. 3, pp. 447-451, 2006.
Öztemel, E., Yapay Sinir Ağları, Papatya Yayıncılık (Baskı:1), İstanbul, 2003.
Şen Z., Yapay Sinir Ağları İlkeleri, Su Vakfı Yayınları (Baskı: 1), İstanbul, 2004.
Kişi Ö., ‘’Yapay Sinir Ağları ve Regresyon Teknikleri ile Filyos Çayı Akımlarının Tahmini,’’ IV.Hidroloji Kongresi, pp. 347 353, İstanbul, 23-25 Haziran 2004.
Gümüş, V., Kavşut, M. E., Yenigün, K., ‘’Yağış Akış İlişkisinin Modellenmesinde YSA Kullanımının Değerlendirilmesi: Orta Fırat Havzası Uygulaması,’’ Bilimde Modern Yöntemler Sempozyumu, pp. 14-16, Ekim 2010.
Özdamar, K., SPSS ile Biyoistatistik, Kaan Kitabevi (Baskı:1), Eskişehir, 2001.
Demir, P., S. Aral, S., ‘’Kars İli Süt Sanayi İşletmelerinde Üretim ve Sanayi Entegrasyonunun Ekonomiş ve Sosyo-Ekonomik Analizi,’’ Kafkas Üniversitesi Veterinerlik Fakültesi Dergisi, vol. 16, no. 4, pp. 585-592, 2010.
http://www.dsi.gov.tr/toprak-ve-su-kaynakları/ (Erişim: Mayıs 2017).
Arı, A., Berberler, B. E., ‘’Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı,’’ ACTA INFOLOGICA, vol 1 no, 2, pp. 55-73, 2017.

APA	yıldıran a, YEREL KANDEMİR S (2018). Yağış Miktarının Yapay Sinir Ağları ile Tahmini. , 97 - 104.
Chicago	yıldıran ali,YEREL KANDEMİR Süheyla Yağış Miktarının Yapay Sinir Ağları ile Tahmini. (2018): 97 - 104.
MLA	yıldıran ali,YEREL KANDEMİR Süheyla Yağış Miktarının Yapay Sinir Ağları ile Tahmini. , 2018, ss.97 - 104.
AMA	yıldıran a,YEREL KANDEMİR S Yağış Miktarının Yapay Sinir Ağları ile Tahmini. . 2018; 97 - 104.
Vancouver	yıldıran a,YEREL KANDEMİR S Yağış Miktarının Yapay Sinir Ağları ile Tahmini. . 2018; 97 - 104.
IEEE	yıldıran a,YEREL KANDEMİR S "Yağış Miktarının Yapay Sinir Ağları ile Tahmini." , ss.97 - 104, 2018.
ISNAD	yıldıran, ali - YEREL KANDEMİR, Süheyla. "Yağış Miktarının Yapay Sinir Ağları ile Tahmini". (2018), 97-104.

APA	yıldıran a, YEREL KANDEMİR S (2018). Yağış Miktarının Yapay Sinir Ağları ile Tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 5(2), 97 - 104.
Chicago	yıldıran ali,YEREL KANDEMİR Süheyla Yağış Miktarının Yapay Sinir Ağları ile Tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi 5, no.2 (2018): 97 - 104.
MLA	yıldıran ali,YEREL KANDEMİR Süheyla Yağış Miktarının Yapay Sinir Ağları ile Tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, vol.5, no.2, 2018, ss.97 - 104.
AMA	yıldıran a,YEREL KANDEMİR S Yağış Miktarının Yapay Sinir Ağları ile Tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi. 2018; 5(2): 97 - 104.
Vancouver	yıldıran a,YEREL KANDEMİR S Yağış Miktarının Yapay Sinir Ağları ile Tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi. 2018; 5(2): 97 - 104.
IEEE	yıldıran a,YEREL KANDEMİR S "Yağış Miktarının Yapay Sinir Ağları ile Tahmini." Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 5, ss.97 - 104, 2018.
ISNAD	yıldıran, ali - YEREL KANDEMİR, Süheyla. "Yağış Miktarının Yapay Sinir Ağları ile Tahmini". Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi 5/2 (2018), 97-104.