Meteorolojik verileri kullanarak aylık tava buharlaşmasını tahmin etmek için yapay zeka metotlarının uygulanması
Application of artificial intelligence methods to estimate monthly pan evaporation using meteorological data
- Tez No: 522348
- Danışmanlar: DOÇ. DR. MERAL BÜYÜKYILDIZ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Buharlaşma, İklim Değişikliği, Konya Kapalı Havzası, Yapay Zeka Metotları, Evaporation, Climate Change, Konya Closed Basin, Artificial Intelligence Methods
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Bu çalışmada aylık açık yüzey buharlaşma tahmini amaçlanmıştır. Aylık buharlaşmayı tahmin etmek için, Türkiye'deki Konya Kapalı Havzası'nda Devlet Meteoroloji İşleri tarafından işletilen üç istasyonun (Konya, Karaman, Aksaray) toplam yağış, ortalama sıcaklık, minimum sıcaklık, maksimum sıcaklık, ortalama rüzgâr hızı, ortalama nispi nem, ortalama buhar basıncı ve ortalama atmosferik basınç meteorolojik verileri yapay zeka tekniklerine input olarak kullanılmıştır. İstasyonların aylık buharlaşma tahmini için, MLP-SCG, MLP-GDX, RBNN, GRNN, ANFIS, ε-DVR'yi içeren yapay zeka metodları kullanılmıştır. Sonuçlar, FAO-Penman-Monteith, Priestley-Taylor, Meyer ve Romanenko ampirik denklemlerinin sonuçlarıyla karşılaştırılmıştır. Geliştirilen modellerin uygulanabilirliğini değerlendirmek için, Nash-Sutcliffe etkinlik katsayısı (NSE), ortalama mutlak hata (MAE) ve karekök ortalama karesel hata (RMSE) kullanılmıştır. Üç istasyonun sonuçlarına göre, en başarılı yapay zeka metodu, Karaman ve Aksaray istasyonlarında ε-DVR, Konya istasyonunda ise MLP-SCG modeli olmuştur. Buharlaşma tahmini için, kullanılan yapay zeka metotları arasında en kötü performans, Karaman ve Konya istasyonunda GRNN, Aksaray istasyonunda ise ANFIS metotlarında elde edilmiştir. Kullanılan ampirik denklemlerin sonuçları, FAO-Penman-Monteith denkleminin üç istasyonda da diğer ampirik denklemlerden daha başarılı olduğunu göstermiştir. Uygulanan modeller karşılatırıldığında ise buharlaşma tahmini için yapay zeka metotlarının ampirik denklemlere oranla daha başarılı olduğu sonucuna varılmıştır.
Özet (Çeviri)
In this study, it is aimed to estimate monthly open surface evaporation. The monthly meteorological data, total precipitation, average temperature, minimum temperature, maximum temperature, average wind speed, average relative humidity, average vapor pressure, average atmospheric pressure, of three stations (Konya, Karaman, Aksaray) operated by Turkish State Meteorological Service on Konya Closed Basin in Turkey are used as inputs to the artificial intelligence techniques to estimate monthly evaporation. Artificial intelligence methods consisting of MLP-SCG, MLP-GDX, RBNN, GRNN, ANFIS, ε-DVR models are used for estimating the monthly evaporation of the stations. The results were compared with the results of FAO-Penman-Monteith, Priestley-Taylor, Meyer and Romanenko empirical equations. Nash-Sutcliffe efficiency coefficient (NSE), mean absolute error (MAE) and root mean square error (RMSE) were used for evaluating the applicability of developed models. According to the results of three stations, the most successful artificial intelligence methods were obtained in ε-SVR method at Karaman and Aksaray stations and MLP-SCG models in Konya station. For estimation of evaporation, the worst performance among artificial intelligence methods used was obtained at GRNN at Karaman and Konya stations and ANFIS at Aksaray station. The results of the empirical equations used show that the FAO-Penman-Monteith is more successful than the other empirical equations in all three stations. Comparison of the applied models reveals that the artificial intelligence methods perform better than the empirical equations for evaporation estimation.
Benzer Tezler
- Su bütçesi elemanlarının belirlenmesinde yapay zeka yöntemlerinin kullanılması
Using artifical intelligence methods to determinewater budget compenentes
BAGER ABI
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiHakkari Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHTEREM DEMİROĞLU
DR. ÖĞR. ÜYESİ MURAT KOCA
- Tatlı ve tuzlu su ortamları arasında A sınıfı tava buharlaşma verilerinin karşılaştırılması; Van gölü örneği
Comparison of class-A pan evaporation data between fresh and salty water environments; a case study at lake Van
MEHMET CAN BAYBORA
Yüksek Lisans
Türkçe
2021
Çevre MühendisliğiVan Yüzüncü Yıl ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. HARUN AYDIN
- Türkiye genelinde güneş ışınımının NOAA uydu verileri ve meteorolojik değişkenler kullanılarak belirlenmesi
Determination of solar radiation in Türkiye using NOAA satellite data and meteorological varables
CUMALİ KÖRÜMDÜK
Doktora
Türkçe
2022
Fizik ve Fizik MühendisliğiÇukurova ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. FARUK KARADAĞ
- Ege bölgesinde akım kuraklık indeksi ve standart yağış indeksinin ortak incelenmesi
Joint review of the streamflow drought index and standard precipitation index in the Aegean region
AYŞE GÜLMEZ
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiBursa Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. BABAK VAHEDDOOST
DOÇ. DR. MIR JAFAR SADEGH SAFARI
- Comparison of missing value imputation methods for meteorological time series data
Meteorolojik zaman serisi verilerinde kayıp veri atama yöntemlerinin karşılaştırılması
SİPAN ASLAN
Yüksek Lisans
İngilizce
2010
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. CEYLAN YOZGATLIGİL