FBE- Hidrolik ve Su Kaynakları Mühendisliği Lisansüstü Programı - Doktora
Bu koleksiyon için kalıcı URI
Gözat
Konu "artificial neural networks" ile FBE- Hidrolik ve Su Kaynakları Mühendisliği Lisansüstü Programı - Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeKurak Bölge Aylık Yağışlarının Markov Zinciri Eklenmiş Koşullu Yapay Sinir Ağları İle Tahmini(Fen Bilimleri Enstitüsü, 21.11.2008) Dahamsheh, Ahmad ; Aksoy, Hafzullah ; Hidrolik ve Su Kaynakları Mühendisliği ; Hydraulics and Water Resources EngineerinSu kaynaklarının etkin bir şekilde planlanması ve yönetimi için yağışın doğru bir şekilde tahmin edilmesi büyük önem taşımaktadır. Hidrometeorolojik zaman serilerinin tahmini, zaman serisini etkileyen parametrelerin belirsizliğinden dolayı en zor işlerden biridir. Yapay sinir ağlarına dayalı kurak bölge yağış tahmin modelleri literatürde çok sınırlı sayıda bulunmaktadır. Bu çalışmada ileri beslemeli geri yayılım yapay sinir ağları, radyal tabanlı işlemci yapay sinir ağları, genelleştirilmiş regresyon yapay sinir ağları ve çok değişkenli doğrusal regresyon yöntemleri kullanılmıştır. Modellerin performansını arttırmak için Markov zincirleri, yapay sinir ağları ve çok değişkenli doğrusal regresyon modelleri ile birleştirilerek yeni modeller kurulmuştur. Yapay sinir ağları ve çok değişkenli doğrusal regresyonun modellerini geliştirmek için eğitme verileri sentetik serilerle uzatılarak güçlendirilmiştir. Sentetik serileri türetmek için Thomas-Fiering modeli kullanılmıştır. Çalışmada geliştirilen modellerin özellikle maksimum yağışları tahmin etmede zorlandıkları görüldüğünden modelleri iyileştirmek için koşullu yapay sinir ağları ve koşullu çok değişkenli doğrusal regresyon yöntemleri geliştirilmiştir. Uygulama için Ürdün’ün değişik bölgelerinden üç meteoroloji istasyonu (Amman, Baqura ve Safawi) seçilmiştir. Çalışmada kullanılan veriler değişik homojenlik testlerinden geçirilmiştir. Kullanılan testlere göre Ürdün’ün bu üç istasyonunun yağış verilerinin homojen olduğu belirlenmiştir. Gelecek ayın yağışını tahmin etmek için önceki aylara ait yağış verileri geliştirilen modellerde girdi olarak kullanılmıştır. Sonuç olarak yapay sinir ağları ve çok değişkenli doğrusal regresyon modellerinden iyi sonuç alınmadığı görülmüş, Markov zincirleri ile birleştirilmiş yapay sinir ağları ve çok değişkenli doğrusal regresyon modellerinin kuru ayların tahminlerinde büyük başarı gösterdikleri anlaşılmıştır. Sentetik serilerle güçlendirilmiş yapay sinir ağları ve çok değişkenli doğrusal regresyon modellerinin de performanslarının yeterli olmadığı görülmüştür. Koşullu yapay sinir ağları ve koşullu doğrusal regresyon modellerinin ise yağış tahmininde büyük başarı gösterdiği anlaşılmıştır.