Yapay zeka yöntemleri ile GAP bölgesindeki aylık tava buharlaşma değerlerinin tahmin edilmesi
Estimation of monthly pan evaporation in the GAP region with artificial intelligence methods
- Tez No: 509323
- Danışmanlar: DOÇ. DR. VEYSEL GÜMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
Bu çalışmada Türkiye'nin buharlaşma oranının en yüksek olduğu Güney Doğu Anadolu Bölgesi'nde (GAP) bulunan sekiz istasyona ait tava buharlaşma değerleri tahmin edilmiştir. Ölçülen uzun süreli sıcaklık, rüzgâr hızı, nisbi nem, basınç, güneşlenme şiddeti ve aylık açık gün sayısı parametreleri kullanılarak Yapay Sinir Ağları (YSA), Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS), Gen Ekspresyon Programlama (GEP) ve Çoklu Doğrusal Regresyon (ÇDR) yöntemleri ile aylık tava buharlaşması tahmini yapılmıştır. Üç farklı girdi kombinasyonu için ölçülen buharlaşma değerleri ile tahmin edilen buharlaşma değerleri arasında R2, Ortalama Karesel Hata (OKH) ve Ortalama Mutlak Hata (OMH) değerleri karşılaştırma kriteri olarak kullanılmıştır. Tüm istasyonlar için farklı yöntemlerle yapılan tava buharlaşma tahminleri incelendiğinde, GEP ve ÇDR yöntemlerinin başarılı sonuçlar verdiği belirlenmiştir. Çalışma kapsamında, sadece sıcaklık ve rüzgâr hızı parametrelerinin girdi olarak ele alındığı kombinasyonun az girdi verisine ihtiyaç duymasına rağmen oldukça başarılı sonuçlar verdiği ve uygulamada başarılı bir şekilde kullanılabileceği sonucuna varılmıştır.
Özet (Çeviri)
In this study, pan evaporation are estimated for eight meteorological stations in the GAP region, where the evaporation rate is highest in Turkey. Monthly pan evaporations are estimated with Artificial Neural Networks (ANN), Adaptive Neuro-Fuzzy Inference System (ANFIS), Gene-Expression Programming (GEP) and Multiple Linear Regression (MLR) methods using weather parameters of temperature, wind speed, relative humidity, air pressure, solar radiation and number of open days per month. The measured and estimated evaporation values for the three different input combinations are compared according to R2, Mean Square Error (MSE) and Mean Absolute Error (MAE) values. According to the pan evaporation estimates made by different methods for all the stations, the GEP and MLR methods are given better results than ANN and ANFIS methods. It has been shown that only the temperature and wind speed are used as inputs in estimation of pan evaporation, although it has few input data, it gives good results and can be used successfully in practice.
Benzer Tezler
- Doğadaki kuşlardan esinlenerek yapay zekâ yöntemleriyle renk paleti üretimi
Color palette generation with artificial intelligence methods inspired by birds in nature
YUSUF KAYIPMAZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEÇKİN YILMAZ
- Advancing software defect prediction through ensemble Xai methods: Insights and performance evaluation
Entegre Xai yöntemleri ̇ile yazılım hata tahmininin geliştirilmesi: Analizler ve performans değerlendirmesi
BAHAR GEZİCİ GEZİCİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYÇA KOLUKISA
- Neurosymbolic representations for lifelong learning
Hayat boyu öğrenme için nörosembolik gösterimler
ALPER AHMETOĞLU
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE UĞUR
PROF. ERHAN ÖZTOP
- Hisse senedi yatırım kararlarında genetik algoritmaların kullanımı
Stock investment decisions by using genetic algorithms
MUSTAFA KORAY ÇETİN
- Obruk duyarlılık haritalarının CBS ve makine öğrenmesi yöntemleri ile hazırlanması: Konya Kapalı Havzası örneği
Preparation of sinkhole susceptibility maps with GIS and machine learning methods: The case of Konya Closed Basin
İBRAHİM ÇETİN
Yüksek Lisans
Türkçe
2024
CoğrafyaAksaray ÜniversitesiJeodezi ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN SEFA BİLGİLİOĞLU