Şanlıurfa ve Diyarbakır istasyonlarında sıcaklık tabanlı buharlaşma tahmininde YSA, ANFIS ve GEP yöntemlerinin karşılaştırılması

Veysel Gümüş; Kasım Yeniğün; Z. Fuat Toprak; Nazife Oruç Baçi

Research Article

Şanlıurfa ve Diyarbakır istasyonlarında sıcaklık tabanlı buharlaşma tahmininde YSA, ANFIS ve GEP yöntemlerinin karşılaştırılması

Year 2018, Volume: 9 Issue: 1, 553 - 562, 05.04.2018

Veysel Gümüş Kasım Yeniğün Z. Fuat Toprak Nazife Oruç Baçi

Abstract

Buharlaşma, hidrolojik çevrimin ana bileşenlerinden biri olarak su kaynaklarının etkin ve verimli yönetiminde önemli bir rol oynamaktadır. Buharlaşmanın tahmin edilmesi için literatürde önerilen ampirik yöntemler mevcut olmasına rağmen, buharlaşma sürecinin karmaşık yapısı ve ampirik formüller içerisinde kullanılacak verilerin bulunabilirliği nedeniyle performansları tatminkâr değildir. Bu nedenle bu çalışmada Şanlıurfa ve Diyarbakır istasyonlarındaki tava buharlaşma değerleri Yapay Sinir Ağları (YSA), Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) ve Gen Ekspresyon Programlama (GEP) yöntemleri ile sadece ortalama sıcaklık değerleri kullanılarak tahmin edilmiştir. Buharlaşmanın tahmin edilmesinde kullanılan tüm yöntemler kısıtlı veriye rağmen başarılı sonuçlar verdiği görülmüş, GEP yönteminin ise çok az da olsa daha iyi sonuç verdiği görülmüştür. Çalışma sonucunda ele alınan istasyonlar için aylık buharlaşma değerlerinin tahmin edilmesi için GEP yöntemi ile elde edilen formül sunulmuştur.

Keywords

Aylık buharlaşma, yapay zeka yöntemleri, Şanlıurfa, Diyarbakır

References

Abtew W. (2001). Evaporation estimation for Lake Okeechobee in south Florida, J Irrig Drain Eng. 127, 3, 140–7.
Antonopoulos, V. Z., Gianniou, S. K. ve Antonopoulos, A. V. (2016). Artificial neural networks and empirical equations to estimate daily evaporation: application to lake Vegoritis, Greece, Hydrological Sciences Journal, 61, 14, 2590-2599.
Choudhury (1999). BJ. Evaluation of empirical equation for annual evaporation using field observations and results from a biophysica model. J Hydrol. 216, 1–2, 99–110.
Gümüş, V., Şimşek, O., Soydan N.G., Aköz, M.S. ve Yenigün, K. (2016) Adana İstasyonunda Buharlaşmanın Farklı Yapay Zeka Yöntemleri ile Tahmini. Dicle Üniversitesi Mühendislik Dergisi, 7, 2, 309-318.
Gümüş, V., Şimşek, O., Soydan, N. G. ve Kavşut M. E. (2014). Estimation of Monthly Pan Evaporation Using Different Artificial Intelligence Methods in Kahramanmaraş Station. Proceedings, 11th International Congress on Advances in Civil Engineering, İstanbul-Turkey.
Hanson CL. (1989). Prediction of Class A pan evaporation in southwest southwest Idaho. J Irrig Drain Eng. 115, 2, 166–71.
Knapp HV, Yu Y-S. ve Pogge EC. (1984). Monthly evaporation for Milford Lake in Kansas. J Irrig Drain Eng. 110, 2, 138–48.
McKenzie RS. ve Craig AR. (2001). Evaluation of river losses from the Orange River using hydraulic modelling. J Hydrol. 241, 1–2, 62–9.
Moghaddamnia, A., Gousheh, M. G., Piri, J., Amin, S. ve Han, D. (2009). Evaporation estimation using artificial neural networks and adaptive neuro-fuzzy inference system techniques. Advances in Water Resources, 32, 1, 88-97.
Penman HL. (1948). Natural evaporation from open water, bare soil, and grass. Proc Roy Soc London, 193, 120–45.
Romanenko, V. A. (1961). Computation of the autumn soil moisture using a universal relationship for a large area. Proc. of Ukrainian Hydrometeorological Research Institute, 3, 12-25.
Shiri, J., Dierickx, W. ve Baba, A. P. A., Neamati, S. ve Ghorbani, M. A. (2011). Estimating daily pan evaporation from climatic data of the State of Illinois, USA using adaptive neuro-fuzzy inference system (ANFIS) and artificial neural network (ANN). Hydrology Research, 42, 6, 491-502.
Terzi, Ö. ve Keskin, M. E. (2010). Comparison of artificial neural networks and empirical equations to estimate daily pan evaporation. Irrigation and drainage, 59, 2, 215-225.
Terzi, Ö., Erol Keskin, M. ve Dilek Taylan, E. (2006). Estimating evaporation using ANFIS. Journal of irrigation and drainage engineering, 132, 5, 503-507.
Thornthwaite CW. (1948). An approach toward a rational classification of climate. Geograph Rev, 38, 55–94.
Turc L. (1961). Estimation of irrigation water requirements, potential evapotranspiration: a simple climatic formula evolved up to date. Ann Agron 12, 13–49.
Warnaka, K. ve Pochop, L. (1988). Analyses of equations for free water evaporation estimates. Water Resources Research, 24, 7, 979-984.

Year 2018, Volume: 9 Issue: 1, 553 - 562, 05.04.2018

Veysel Gümüş Kasım Yeniğün Z. Fuat Toprak Nazife Oruç Baçi

Abstract

References

Abtew W. (2001). Evaporation estimation for Lake Okeechobee in south Florida, J Irrig Drain Eng. 127, 3, 140–7.
Antonopoulos, V. Z., Gianniou, S. K. ve Antonopoulos, A. V. (2016). Artificial neural networks and empirical equations to estimate daily evaporation: application to lake Vegoritis, Greece, Hydrological Sciences Journal, 61, 14, 2590-2599.
Choudhury (1999). BJ. Evaluation of empirical equation for annual evaporation using field observations and results from a biophysica model. J Hydrol. 216, 1–2, 99–110.
Gümüş, V., Şimşek, O., Soydan N.G., Aköz, M.S. ve Yenigün, K. (2016) Adana İstasyonunda Buharlaşmanın Farklı Yapay Zeka Yöntemleri ile Tahmini. Dicle Üniversitesi Mühendislik Dergisi, 7, 2, 309-318.
Gümüş, V., Şimşek, O., Soydan, N. G. ve Kavşut M. E. (2014). Estimation of Monthly Pan Evaporation Using Different Artificial Intelligence Methods in Kahramanmaraş Station. Proceedings, 11th International Congress on Advances in Civil Engineering, İstanbul-Turkey.
Hanson CL. (1989). Prediction of Class A pan evaporation in southwest southwest Idaho. J Irrig Drain Eng. 115, 2, 166–71.
Knapp HV, Yu Y-S. ve Pogge EC. (1984). Monthly evaporation for Milford Lake in Kansas. J Irrig Drain Eng. 110, 2, 138–48.
McKenzie RS. ve Craig AR. (2001). Evaluation of river losses from the Orange River using hydraulic modelling. J Hydrol. 241, 1–2, 62–9.
Moghaddamnia, A., Gousheh, M. G., Piri, J., Amin, S. ve Han, D. (2009). Evaporation estimation using artificial neural networks and adaptive neuro-fuzzy inference system techniques. Advances in Water Resources, 32, 1, 88-97.
Penman HL. (1948). Natural evaporation from open water, bare soil, and grass. Proc Roy Soc London, 193, 120–45.
Romanenko, V. A. (1961). Computation of the autumn soil moisture using a universal relationship for a large area. Proc. of Ukrainian Hydrometeorological Research Institute, 3, 12-25.
Shiri, J., Dierickx, W. ve Baba, A. P. A., Neamati, S. ve Ghorbani, M. A. (2011). Estimating daily pan evaporation from climatic data of the State of Illinois, USA using adaptive neuro-fuzzy inference system (ANFIS) and artificial neural network (ANN). Hydrology Research, 42, 6, 491-502.
Terzi, Ö. ve Keskin, M. E. (2010). Comparison of artificial neural networks and empirical equations to estimate daily pan evaporation. Irrigation and drainage, 59, 2, 215-225.
Terzi, Ö., Erol Keskin, M. ve Dilek Taylan, E. (2006). Estimating evaporation using ANFIS. Journal of irrigation and drainage engineering, 132, 5, 503-507.
Thornthwaite CW. (1948). An approach toward a rational classification of climate. Geograph Rev, 38, 55–94.
Turc L. (1961). Estimation of irrigation water requirements, potential evapotranspiration: a simple climatic formula evolved up to date. Ann Agron 12, 13–49.
Warnaka, K. ve Pochop, L. (1988). Analyses of equations for free water evaporation estimates. Water Resources Research, 24, 7, 979-984.

There are 17 citations in total.

Details

Primary Language	Turkish
Journal Section	Articles
Authors	Veysel Gümüş 0000-0003-2321-9526 Kasım Yeniğün 0000-0002-3296-8687 Z. Fuat Toprak 0000-0003-0876-1165 Nazife Oruç Baçi This is me 0000-0002-6307-9030
Publication Date	April 5, 2018
Submission Date	June 17, 2017
Published in Issue	Year 2018 Volume: 9 Issue: 1

Cite

IEEE	V. Gümüş, K. Yeniğün, Z. F. Toprak, and N. Oruç Baçi, “Şanlıurfa ve Diyarbakır istasyonlarında sıcaklık tabanlı buharlaşma tahmininde YSA, ANFIS ve GEP yöntemlerinin karşılaştırılması”, DUJE, vol. 9, no. 1, pp. 553–562, 2018.