Meteorolojik verileri kullanarak aylık tava buharlaşmasını tahmin etmek için yapay zeka metotlarının uygulanması

Abstract

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, ?-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 ?-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.

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, ?-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 ?-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.