Research Article
BibTex RIS Cite

Yapay Sinir Ağları ile Şanlıurfa İstasyonunun Kuraklığının Tahmini

Year 2018, Volume: 6 Issue: 3, 621 - 633, 30.09.2018
https://doi.org/10.29109/gujsc.393154

Abstract

Kuraklığın
erken tahmin edilmesi, kuraklığın olası olumsuz etkilerinin azaltılabilmesini
sağlayabilir. Bu amaçla geliştirilen indisler ise geçmişe dönük kuraklığın
belirlenmesini sağlamaktadır. Geçmiş dönemlere ait indis ve yağış verileri
kullanılarak oluşması muhtemel kuraklığın tahmin edilmesi, erken uyarı
sistemlerinin kurulabilmesine imkân tanıyabilecektir. Bu çalışmada, Şanlıurfa
istasyonuna ait 1938-2014 yılları arasındaki yağış verileri ile hesaplanan
Standartlaştırılmış Yağış İndeksi (SYİ) değerleri, geçmiş yağış ve kuraklık
indisi değerleri kullanılarak tahmin edilmiştir. Kuraklığın tahmin edilmesinde
İleri Beslemeli Geri Yayınımlı Sinir Ağır (İBGYSA) yöntemi kullanılmıştır.
1937-1990 yılları arasındaki değerler eğitim, 1991-2014 yılları arasındaki değerler
ise test verisi olarak kullanılmıştır. 1, 3, 6 ve 12 aylık kuraklık indis
değerlerinin tahmini için, her bir zaman ölçeğinde 16 model kullanılmıştır.
Şanlıurfa istasyonu için 6 ve 12 aylık kuraklık indislerinin tahmininde yapay
sinir ağları yönteminin uygulanabilir olduğu belirlenmiştir.

References

  • M. E. Keskin, Ö. Terzi, E. D. Taylan, ve D. Küçükyaman, Meteorological Drought Analysis Using Data-Driven Models For The Lakes District, Turkey, Hydrological Sciences Journal, Vol. 54, Pp. 1114-1124, 2009.
  • S. Barua, A. W. M. Ng, ve B. J. C. Perera, Artificial Neural Network–Based Drought Forecasting Using A Nonlinear Aggregated Drought Index, Journal of Hydrologic Engineering, Vol. 17, Pp. 1408-1413, 2012.
  • A. Belayneh, J. Adamowski, B. Khalil, ve B. Ozga-Zielinski, Long-Term Spi Drought Forecasting In The Awash River Basin In Ethiopia Using Wavelet Neural Network and Wavelet Support Vector Regression Models, Journal of Hydrology, Vol. 508, Pp. 418-429, 2014.
  • P. Cutore, G. Di Mauro, ve A. Cancelliere, Forecasting Palmer Index Using Neural Networks and Climatic Indexes, Journal of Hydrologic Engineering, Vol. 14, Pp. 588-595, 2009.
  • U. G. Bacanli, M. Firat, ve F. Dikbas, Adaptive Neuro-Fuzzy Inference System For Drought Forecasting, Stochastic Environmental Research and Risk Assessment, Vol. 23, Pp. 1143-1154, 2008.
  • A. F. Marj ve A. M. J. Meijerink, Agricultural Drought Forecasting Using Satellite Images, Climate Indices and Artificial Neural Network, International Journal of Remote Sensing, Vol. 32, Pp. 9707-9719, 2011.
  • S. Morid, V. Smakhtin, ve K. Bagherzadeh, Drought Forecasting Using Artificial Neural Networks and Time Series of Drought Indices, International Journal of Climatology, Vol. 27, Pp. 2103-2111, 2007.
  • A. K. Mishra ve V. R. Desai, Drought Forecasting Using Feed-Forward Recursive Neural Network, Ecological Modelling, Vol. 198, Pp. 127-138, 2006.
  • V. Gümüş, N. G. Soydan, O. Şimşek, M. S. Aköz, ve M. S. Kırkgöz, Yağış-Akış İlişkisinin Belirlenmesinde Farklı Yapay Sinir Ağı Yöntemlerinin Karşılaştırılması, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Vol. 28, P. 37, 2013.
  • V. Gümüş ve M. E. Kavşut, Zamanti Nehri-Ergenusağı İstasyonu Eksik Aylık Akım Verilerinin Tahmini, Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Vol. 1, Pp. 81-91, 2013.
  • V. Gümüş, O. Şimşek, N. G. Soydan, ve M. E. Kavşut, Estimation of Monthly Pan Evaporation Using Different Artificial Intelligence Methods In Kahramanmaraş Station In 11th International Congress On Advances In Civil Engineering, İstanbul, Türkiye, 2014.
  • V. Gümüş, O. Şimşek, N. G. Soydan, M. S. Aköz, ve K. Yenigün, Adana İstasyonunda Buharlaşmanın Farklı Yapay Zeka Yöntemleri Ile Tahmini, Dicle Üniversitesi Mühendislik Dergisi, Vol. 7, Pp. 309-318, 2016.
  • V. Gümüş, A. Başak, ve N. Oruç, Standartlaştırılmış Yağış İndeksi (Syi) Yöntemi Ile Şanlıurfa İstasyonunun Kuraklık Analizi, Harran Üniversitesi Mühendislik Dergisi, Vol. 1, Pp. 36-44, 2016.
  • R. Lippmann, An Introduction to Computing with Neural Nets, Ieee Assp Magazine, Vol. 4, Pp. 4-22, 1987.
  • D. W. Marquardt, An Algorithm For Least-Squares Estimation of Nonlinear Parameters, Journal of The Society For Industrial and Applied Mathematics, Vol. 11, Pp. 431-441, 1963.
Year 2018, Volume: 6 Issue: 3, 621 - 633, 30.09.2018
https://doi.org/10.29109/gujsc.393154

Abstract

References

  • M. E. Keskin, Ö. Terzi, E. D. Taylan, ve D. Küçükyaman, Meteorological Drought Analysis Using Data-Driven Models For The Lakes District, Turkey, Hydrological Sciences Journal, Vol. 54, Pp. 1114-1124, 2009.
  • S. Barua, A. W. M. Ng, ve B. J. C. Perera, Artificial Neural Network–Based Drought Forecasting Using A Nonlinear Aggregated Drought Index, Journal of Hydrologic Engineering, Vol. 17, Pp. 1408-1413, 2012.
  • A. Belayneh, J. Adamowski, B. Khalil, ve B. Ozga-Zielinski, Long-Term Spi Drought Forecasting In The Awash River Basin In Ethiopia Using Wavelet Neural Network and Wavelet Support Vector Regression Models, Journal of Hydrology, Vol. 508, Pp. 418-429, 2014.
  • P. Cutore, G. Di Mauro, ve A. Cancelliere, Forecasting Palmer Index Using Neural Networks and Climatic Indexes, Journal of Hydrologic Engineering, Vol. 14, Pp. 588-595, 2009.
  • U. G. Bacanli, M. Firat, ve F. Dikbas, Adaptive Neuro-Fuzzy Inference System For Drought Forecasting, Stochastic Environmental Research and Risk Assessment, Vol. 23, Pp. 1143-1154, 2008.
  • A. F. Marj ve A. M. J. Meijerink, Agricultural Drought Forecasting Using Satellite Images, Climate Indices and Artificial Neural Network, International Journal of Remote Sensing, Vol. 32, Pp. 9707-9719, 2011.
  • S. Morid, V. Smakhtin, ve K. Bagherzadeh, Drought Forecasting Using Artificial Neural Networks and Time Series of Drought Indices, International Journal of Climatology, Vol. 27, Pp. 2103-2111, 2007.
  • A. K. Mishra ve V. R. Desai, Drought Forecasting Using Feed-Forward Recursive Neural Network, Ecological Modelling, Vol. 198, Pp. 127-138, 2006.
  • V. Gümüş, N. G. Soydan, O. Şimşek, M. S. Aköz, ve M. S. Kırkgöz, Yağış-Akış İlişkisinin Belirlenmesinde Farklı Yapay Sinir Ağı Yöntemlerinin Karşılaştırılması, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Vol. 28, P. 37, 2013.
  • V. Gümüş ve M. E. Kavşut, Zamanti Nehri-Ergenusağı İstasyonu Eksik Aylık Akım Verilerinin Tahmini, Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Vol. 1, Pp. 81-91, 2013.
  • V. Gümüş, O. Şimşek, N. G. Soydan, ve M. E. Kavşut, Estimation of Monthly Pan Evaporation Using Different Artificial Intelligence Methods In Kahramanmaraş Station In 11th International Congress On Advances In Civil Engineering, İstanbul, Türkiye, 2014.
  • V. Gümüş, O. Şimşek, N. G. Soydan, M. S. Aköz, ve K. Yenigün, Adana İstasyonunda Buharlaşmanın Farklı Yapay Zeka Yöntemleri Ile Tahmini, Dicle Üniversitesi Mühendislik Dergisi, Vol. 7, Pp. 309-318, 2016.
  • V. Gümüş, A. Başak, ve N. Oruç, Standartlaştırılmış Yağış İndeksi (Syi) Yöntemi Ile Şanlıurfa İstasyonunun Kuraklık Analizi, Harran Üniversitesi Mühendislik Dergisi, Vol. 1, Pp. 36-44, 2016.
  • R. Lippmann, An Introduction to Computing with Neural Nets, Ieee Assp Magazine, Vol. 4, Pp. 4-22, 1987.
  • D. W. Marquardt, An Algorithm For Least-Squares Estimation of Nonlinear Parameters, Journal of The Society For Industrial and Applied Mathematics, Vol. 11, Pp. 431-441, 1963.
There are 15 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Tasarım ve Teknoloji
Authors

Veysel Gümüş 0000-0003-2321-9526

Ahmet Başak This is me

Kasım Yenigün

Publication Date September 30, 2018
Submission Date February 10, 2018
Published in Issue Year 2018 Volume: 6 Issue: 3

Cite

APA Gümüş, V., Başak, A., & Yenigün, K. (2018). Yapay Sinir Ağları ile Şanlıurfa İstasyonunun Kuraklığının Tahmini. Gazi University Journal of Science Part C: Design and Technology, 6(3), 621-633. https://doi.org/10.29109/gujsc.393154

                                TRINDEX     16167        16166    21432    logo.png

      

    e-ISSN:2147-9526