Türkiye genelinde yağış-akış ilişkisinin yapay sinir ağı metodlarıyla modellenmesi
Rainfall-runoff modelling in whole Turkey by artificial neural networks
- Tez No: 166454
- Danışmanlar: DOÇ. DR. HİKMET KEREM CIGIZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Türkiye ya da bir başka ülke genelinde yağış-akış ilişkisinin yapay sinir ağı ya da bir başka metod ile modellenmesi, bugüne kadar yapılmamış çok kapsamlı bir çalışmadır. Ülkemizde ancak sınırlı bölgelerde yapılmış olan akım modellemelerinde ise genelde ARMA tipi stokastik modelin kullanıldığım görmekteyiz. Literatürde su kaynaklan mühendisliği uygulamalarına sıkça rastladığımız YSA, bir kapalı kutu modelidir ve fiziksel ve matematik modellere alternatif olarak kullanılmaktadır. Bu çalışmada, ülkemizin tüm havzalarından elde edilen günlük ve aylık akış ve yağış istasyonlarına ait bilgilerle bir veri seti hazırlanmıştır. Bu amaçla üç YSA metodu kullanılmıştır. Radyal tabanlı yapay sinir ağlan (RTYSA), ileri beslemeli geriye yayılım algoritması (İBGYSA), geleneksel çok değişkenli lineer regresyon (ÇDR), ve oldukça yeni bir YSA metodu olan, genelleştirilmiş regresyon sinir ağlan (GRYSA), bu amaçla kullanılmıştır. Girdi olarak geçmiş akım ve mevcut yağış verileri kullanılarak çıktı tabakasındaki tek akım verisi tahmin edilmeye çalışılmıştır. Bütün metodlar ile elde edilen tahmin sonuçlan performans değerlendirme kriterleri kullanılarak karşılaştıracaktır. VIII
Özet (Çeviri)
SUMMARY The rainfall-runoff modelling in whole Turkey or any other country using artificial neural networks has not been been accomplished before. In our country only ARMA type stochastic models are employed locally. Artificial neural networks are employed in water resources applications frequently. Artificial neural networks are black box models and are used as alternative to physical and mathematical models. In this study, daily and monthly rainfall and river flow data obtained from all hydrologic regions of Turkey are formed as time series. Three ANN methods are employed for this purpose. Radial Basis Functions (RBF) and, feed forward back propagation (FFBP) methods and a conventional method, multiple linear regression (MLR), and a relatively new ANN method, generalized regression neural networks (GRNN) method, are used in the study. In the input layer of ANNs past river flow and rainfall data are employed to estimate the future river flow value. The estimation results are evaluated using several performance evaluation criteria. IX
Benzer Tezler
- Karst hydrogeological investigations of Sinanhoca Damsite
Sinanhoca Baraj yeri karst hidrojeolojisi incelemesi
FAKHRİ SALİM
Yüksek Lisans
İngilizce
1997
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji (hidrejeoloji) Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLTEKİN GÜNAY
- Meteorolojik kuraklık modellemesi ve Türkiye uygulaması
Meteorological drought modelling and application to Turkey
SEVİNÇ SIRDAŞ
Doktora
Türkçe
2002
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Hydrometeorological aspects and water resources management in the northern part of Libya
Hydrometeorological aspects and water resources management in the northern part of Libya
ALİ GEATH MAHMOUD ELJADİD
Doktora
İngilizce
1997
Meteorolojiİstanbul Teknik ÜniversitesiMetalurji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Türkiye'de yağış olasılığının zamansal ve alansal değişimleri
Temporal and spatial changes of precipitation over Turkey
ERAY ERBEKCİ
Yüksek Lisans
Türkçe
2006
CoğrafyaÇanakkale Onsekiz Mart ÜniversitesiCoğrafya Ana Bilim Dalı
DOÇ.DR. MURAT TÜRKEŞ