Geri Dön

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

  1. Tez No: 522348
  2. Yazar: AYŞE ÖZEL
  3. Danışmanlar: DOÇ. DR. MERAL BÜYÜKYILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Buharlaşma, İklim Değişikliği, Konya Kapalı Havzası, Yapay Zeka Metotları, Evaporation, Climate Change, Konya Closed Basin, Artificial Intelligence Methods
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Su bütçesi elemanlarının belirlenmesinde yapay zeka yöntemlerinin kullanılması

    Using artifical intelligence methods to determinewater budget compenentes

    BAGER ABI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat MühendisliğiHakkari Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHTEREM DEMİROĞLU

    DR. ÖĞR. ÜYESİ MURAT KOCA

  2. 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

    Türkçe

    2021

    Çevre MühendisliğiVan Yüzüncü Yıl Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HARUN AYDIN

  3. 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

    Türkçe

    2022

    Fizik ve Fizik MühendisliğiÇukurova Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. FARUK KARADAĞ

  4. 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

    Türkçe

    2022

    İnşaat MühendisliğiBursa Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BABAK VAHEDDOOST

    DOÇ. DR. MIR JAFAR SADEGH SAFARI

  5. 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

    İngilizce

    2010

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. CEYLAN YOZGATLIGİL