Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/1107
Title: AYLIK BUHARLAŞMA TAHMİNİNDE YAPAY ZEKA YÖNTEMLERİNİN KULLANILABİLİRLİĞİ
Other Titles: USABILITY OF ARTIFICIAL INTELLIGENCE METHODS FOR ESTIMATION OF MONTHLY EVAPORATION
Authors: Özel, Ayşe
Büyükyıldız, Meral
Issue Date: 2019
Abstract: Hidrolojik çevrimin en önemli bileşenlerinden biri olan buharlaşma pek çok faktörün etkisindedir. Buharlaşma; bu kompleks yapısından dolayı tahmin edilmesi zor bir meteorolojik parametredir. Bu çalışmada, Konya Kapalı Havzası’nda yer alan Karaman istasyonuna ait meteorolojik parametreler kullanılarak oluşturulan farklı giriş kombinasyonları ile aylık buharlaşma miktarı tahmin edilmiştir. Bu amaçla Yapay Sinir Ağları (YSA), Destek Vektör Regresyonu (DVR), Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS) metotları kullanılmıştır. Sonuç olarak DVR, aylık buharlaşma tahmininde diğer metotlardan daha başarılı olmuştur.
Evaporation, one of the most important components of the hydrological cycle, is influenced by many factors. Evaporation is a meteorological parameter that is difficult to predict due to this complex structure. In this study, the amount of monthly evaporation was estimated using different input combinations formed by meteorological parameters belonging to Karaman station in Konya Closed Basin. For this purpose, Artificial Neural Networks (ANN), Support Vector Regression (SVR), Adaptive Network Based Fuzzy Inference System (ANFIS) methods are used. As a result, SVR has been more successful than other methods in monthly evaporation prediction.
URI: https://doi.org/10.28948/ngumuh.516891
https://app.trdizin.gov.tr/makale/TXpVek5UZzFOUT09
https://hdl.handle.net/20.500.13091/1107
ISSN: 2564-6605
2564-6605
Appears in Collections:Mühendislik ve Doğa Bilimleri Fakültesi Koleksiyonu
TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collections

Files in This Item:
File SizeFormat 
b321c5af-00db-49b4-8c0f-7cc65d921b83 (1).pdf690.96 kBAdobe PDFView/Open
Show full item record

CORE Recommender

Page view(s)

52
checked on Feb 6, 2023

Download(s)

22
checked on Feb 6, 2023

Google ScholarTM

Check

Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.