Uydu ve yer kaynaklı meteorolojik değişkenlerle kısa vadeli yağış modellemesi için yapay sinir ağı yaklaşımı
Artificial neural network approach for modelling of the short range precipitaton with meteorological parameters based satellite and ground data
- Tez No: 223527
- Danışmanlar: PROF. DR. ZEKAİ ŞEN
- Tez Türü: Doktora
- Konular: Meteoroloji, Meteorology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Meteoroloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Yağış kaynaklı doğal afetlerin (sel, taşkın, vb.) önlenebilmesi ile su kaynakları ve havza yönetimi için yağışların ölçümü, modellenmesi ve tahminleri çok önemlidir. Kurulu olan yağış ölçer ağlarının hem zaman hem de uzay değişkenliklerinin yüksek olması sebebiyle, küçük ölçeklerdeki şiddetli yağışların belirlenmesinde çeşitli zorluklar vardır. Mevcut hava tahminlerinin son yıllardaki güvenilir sonuçlarına rağmen konvektif yağışların zaman ve alan yağış desenleri tam olarak yakalanamamaktadır. Bu sebeple uydulardan elde edilen bilgiler hava tahmin modellerine girdi olarak kullanılmaktadır.Yağış tür ve miktarının uzaktan algılama ile belirlenmesi meteoroloji alanındaki önemli konulardan biridir. Bu amaçla kullanılan cihazlar radar ve uydulardır. Bunlar arasında zaman ve uzay çözünürlüğü en yüksek olan uydu sistemleridir ve bu da onlara önemli bir avataj sağlamaktadır.Konvektif yapılar için bulut tepe sıcaklığı yağış ile ilişkilendirilebilen anahtar bir parametredir. Buradaki yaklaşım, soğuk tepeli bulutların sıcak tepelilerden daha fazla yağış ürettiklerine dayanmaktadır. Buradan hareketle, Bölüm 1'de ayrıntılı olarak açıklanan olan Arkin, GOES yağış indeksi, ayarlanmış GOES yağış indeksi, Griffith-Woodley, Negri-Adler-Woodley, konvektif-stratiform, güçlendirilmiş konvektif-stratiform, otomatik tahmin edici ve geliştirilmiş otomatik tahmin edici teknikleri gibi ekvator yörüngeli uydu verisini kullanan yöntemler geliştirilmiştir. Tüm bunlar yapılarında amprik denklemler içermektedir ve bu denklemlerdeki katsayıların ülkemiz için belirlenmesi zorunluluğu vardır. Ayrıca bu yöntemler yapılarında doğrusal ilişkiler içermektedirler.Bu çalışmada 2000 yılı içerisindeki 5-7 Eylül, 23-25 Mayıs, 21-23 Temmuz ve 25-27 Ağustos dönemlerine ait 4 ayrı konvektif yağışlı olay incelenmiştir. Ayrıntıları Bölüm 2'de verilen bu zaman aralıklarındaki Meteosat 7 uydusunun kızılötesi kanal verisi, çalışma istasyonlarındaki 6 saatlik toplam yağış verisi ve NCEP/NCAR'ın düğüm noktalarına aktarılmış troposferin düşey seviye verileri kullanılmıştır. Geliştirilen yöntemin uygulamaları için Marmara Bölgesi'nin 26 yağış ölçer istasyonu gözönüne alınmıştır.Bu tez çalışmasında, yukarıda açıklanan problemin çözümünde yöntem olarak, çevreden alınan duyumların sinirler vasıtasıyla beyne aktarılması ve beynin karar vermesinden yola çıkarak geliştirilmiş olan Yapay Sinir Ağları (YSA) kullanılmışır. YSA deneyerek, bir nevi insanlar gibi tecrübe ederek öğrenebilen ve bünyesinde doğrusal olmayan bir yapıya sahiptir. Bu da ona yapay zeka çalışmaları alanında ayrıcalık sağlamaktadır. YSA ve kurulan modelin analizi için kullanılan yakalama ihtimali, taraflılık, yanlış uyarı oranı, kritik başarı indeksi, isabet oranı ve sınıflandırma istatistikleri hakkındaki ayrıntılar Bölüm 3'te verilmiştir.YSA'nın yukarıda açıklanan özelliklerinden dolayı, yağış miktarını tahmin etmede birer giriş, gizli ve çıkış tabakalarını içeren sırasıyla 37, 19 ve 1 sinir hücresine sahip bir model kurulmuştur. Bölüm 4'te ayrıntıları sunulan bu model ile her bir yağış olayı modellenmeye çalışılmıştır. Mayıs, Temmuz ve Eylül aylarındaki yağış olayları başarılı olarak tahmin edilirken Ağustos ayı için tahmin aşamasında modelin yakalama ihtimalinin yeteri kadar yüksek olmadığı saptanmıştır.
Özet (Çeviri)
In order to hinder the natural hazard (surface water, floods, etc.) of precipitation origin it is necessary to measure, model and predict the precipitation for water resources and catchment management. Due to high spatial and temporal variability of precipitation measurement networks, there are difficulties in determining small scale intensive rainfall events. Although currently available weather prediction models yield reliable results, they cannot catch the spatio-temporal patterns of convective rainfall events. For this reason, the satellite based meteorological information is used as input in weather prediction models.One of the most significant subjects in meteorology domain is the determination of precipitation patter types and quantities through remote sensing. The instruments used for this purpose are radars and satellites. Satellite systems have the most refined resolution among all these instruments, which provides them significant superiority.For convective structures the cloud top temperature is a key parameter that can be related to precipitation. The basic idea herein is that the cold cloud top temperatures generate more precipitation than hot or warm cloud top temperatures. Keeping this point in mind, Chapter 1 explains in detail currently available techniques in the literature such as Arkin, GOES precipitation index, adjusted GOES precipitation index, Griffith-Woodley, Negri-Adler-Wooley, convective-stratiform, enhanced convective-stratiform, automatic estimator, and advanced automatic estimator techniques. They all include empirical equations in their structure and the parameters of these equations must be determined for our country. On the other hand, these methods include linear relationships.In this thesis, four convective precipitation events in 2000 are examined each within different time periods as 5-7 October, 23-25 May, 21-23 July and 25-27 August. Each of these are explained in detail in Chapter 2 by considering Meteosat 7 infrared channel data for 6-hour total rainfall amounts such that the data at the upper troposphere vertical levels are transferred to grid points from NCEP/NCAR. The application of the methodology is presented for 26 Marmara region raingauge stations.In this thesis, as effective methodology Artificial Neural Network (ANN) is used and, it has the analogy such that the inputs were taken from the environment through the neurons are transmitted to the brain. The ANN model can learn by training similar to a human and it has a non-linear structure. Such a non-linearity provides a distinctive possibility in the domain of artificial intelligence. For the model ANN and its analysis, various statistical criteria are used as detection probability, bias, wrong alarm ratio, critical success index, target ratio and classification. These statistical criteria explained in Chapter 3.By following the methodology explained above, as a result of ANN properties, convenient architecture for total precipitation amount prediction is proposed that constitutes single input, hidden and output layers with 37, 19 and 1 neurons, respectively. In Chapter 4, this model is used for precipitation prediction by considering each time period event. Although for May, July and September month's rainy events are predicted with success, for August there are failures.
Benzer Tezler
- A new agro-meteorological drought index based on remote sensing
Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi
EYYUP ENSAR BAŞAKIN
Doktora
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET CÜNEYD DEMİREL
- Akıllı kentlerde alansal hava kirliliğinin belirlenmesi ve kirlilik modellemesi: Erzurum ili örneği
Determination of area air pollution and pollution modeling in smart cities: A case study of Erzurum province
ŞAHİN KORKMAZ
Doktora
Türkçe
2023
Çevre MühendisliğiAtatürk ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP CEYLAN
- Particulate matter 2.5 – PM2.5 mapping using MODIS satellite data and multivariate non-linear regression analysis over Marmara Region – Turkey
MODIS uydu verileri ve çok değişkenli doğrusal olmayan regresyon analizi ile partiküler madde 2.5-PM2.5 haritasının Marmara Bölgesi-Türkiye için üretilmesi
MIDYAN ALDABASH
Doktora
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ BEKTAŞ BALÇIK
- Estimation of PM10 variations in the Southeastern and Eastern Anatolia regions of Türkiye using remote sensing and statistical models
Türkiye'nin Güneydoğu ve Doğu Anadolu bölgelerindeki PM10 değişimlerinin uzaktan algılama ve ı̇statistiksel modeller kullanılarak tahmini
SULTANAY MURZAEVA
Yüksek Lisans
İngilizce
2024
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
- Assessment of spatio-temporal variations in lake surface using landsat imageries and Google Earth Engine
Göl yüzeyindeki mekansal ve zamansal değişimlerin landsat görüntüleri ve Google Earth Engine kullanılarak değerlendirilmesi
MOHAMMED M. Y. ALBARQOUNI
Yüksek Lisans
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ BEKTAŞ BALÇIK