Günlük buharlaşma miktarının yapay sinir ağları metotları ve klasik yöntemlerle tahmini
Daily evapotranspiration estimation using artificial neural networks and classicial methods
- Tez No: 643904
- Danışmanlar: PROF. DR. FATİH ÜNEŞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Buharlaşma, hidrolojik ve meteorolojik çalışmaların önemli bir parametresi olarak karşımıza çıkmaktadır. Buharlaşma tahmininin doğru yapılması ise su kaynaklarının geliştirilmesi, kontrol edilmesi ve yönetimi gibi çeşitli amaçlar için önem taşımaktadır. Bu çalışmada FAO (Food and Agriculture Organization) tarafından standart metot olarak önerilen Penman-Monteith metoduna göre günlük buharlaşma tahmini (ET_0) yapılmış, bu metoda göre bulunan buharlaşma tahminleri referans olarak kabul edilmiştir. Hargreaves-Samani, ve Turc denklemleri gibi ampirik yöntemler ile Yapay Sinir Ağları (YSA), Radyal Tabanlı Yapay Sinir Ağları (RTYSA), Çoklu Doğrusal Regresyon (ÇDR) yöntemleri ve Oto-regresif modelin AR(p) performansları karşılaştırılarak buharlaşma miktarı tahmini yapılmıştır. Çalışma alanı olarak Güney Carolina (ABD) Anderson bölgesindeki Hartwell gölünde bulunan bir istasyon seçilmiştir. Günlük ortalama buharlaşma miktarı tahmini için ortalama günlük hava sıcaklığı (T_mean),en yüksek (T_max) ve en düşük günlük hava sıcaklıkları (T_min), rüzgâr hızı (u), güneşlenme miktarı (SR) ve bağıl nem (RH) kullanılmıştır. Bütün günlük veriler eğitim ve test verisi olarak ikiye ayrılmıştır. YSA optimizasyonu için geriye yayılma ilkesine göre çalışan, ileri beslemeli (feedforward-back-propagation) YSA modeli kullanılmıştır. YSA, RTYSA, ÇDR yöntemi ve AR(p) model sonuçları geleneksel Hargreaves-Samani, ve Turc yöntemlerinin sonuçları ile karşılaştırılmıştır. Sonuç olarak, YSA modelinin buharlaşma miktarı tahmininde diğer yöntemlerden daha iyi performans gösterdiği belirlenmiştir.
Özet (Çeviri)
Evaporation is regarded as an important parameter of hydrological and meteorological studies. Correct evaporation estimation is crucial for various purposes such as development, control and management of water resources. In this study, daily evaporation estimation (ET_0), has been made according to Penman-Monteith method recommended as the standard method by FAO (Food and Agriculture Organization), and evaporation estimates found according to Penman Monteith method were accepted as reference. The evaporation amount by comparing the performances of Artificial Neural Networks (ANN), Radial Based Artificial Neural Networks (RBNN), Multiple Linear Regression (MLR) methods and Auto-regressive model AR (p) with empirical methods such as Hargreaves-Samani, and Turc equations has been estimated.A station in Hartwell lake in Anderson region, South Carolina (USD) was chosen as the study area. Average daily air temperature (T_mean), highest (T_max), and lowest daily air temperatures (T_min), wind speed (u), sunshine amount (SR) and relative humidity (RH) were used for the estimation of the average daily evaporation amount. All daily data are divided into training and test data. The feedforward-back-propagation ANN model working according to the principle of back propagation has been used for the optimization of ANN. ANN, Radial Based Artificial Neural Networks (RBNN), Multiple Linear Regression (MLR) method and Auto-regressive model AR (p) results were compared with the results of traditional Hargreaves-Samani, and Turc method. The comparison has shown that the ANN model performed better than other methods in estimating the evaporation amount.
Benzer Tezler
- Çatalan Barajı haznesindeki buharlaşma miktarının yapay sinir ağları modeliyle tahmini
Estimation of Çatalan Dam reservoir evaporation level with artificial neural network model
KORAY MAZMANCI
Yüksek Lisans
Türkçe
2009
İnşaat MühendisliğiMustafa Kemal Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FATİH ÜNEŞ
- Investigating effects of better soil moisture initialization on forecasting capability with WRF model
Başlangıç koşullarında daha iyi toprak nemi kullanılmasının WRF modeli ile tahmin kapasitesi üzerindeki etkilerinin incelenmesi
ŞULE HALİLOĞLU
Yüksek Lisans
İngilizce
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ ÖNOL
DOÇ. DR. MERAL DEMİRTAŞ
- Günlük referans buharlaşma miktarının yapay zeka yöntemleri ve ampirik denklemler ile tahmini
Estimation of daily reference evapotranspiration using artificial intelligence methods and empirical equations
KÜBRA ÖZDÜLKAR
Yüksek Lisans
Türkçe
2021
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DEMİRCİ
- 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
- Buharlaştırıcıda yoğuşmanın analitik ve sayısal modellenmesi
Analytical and numerical modelling of condensation in evaporator
MELİH MERİÇ
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KADİR KIRKKÖPRÜ