Yapay Sinir Ağlarının İklim Bölgelerinin Belirlenmesinde Kullanılması Ve Ward Metodu İle Karşılaştırılması

Abstract

Bu çalışmada, Ward metodu, Kohonen-YSA metodu ve geliştirilen yeni bir bulanık-YSA metodu ile Türkiye yağış rejimi bölgeleri ve Türkiye iklim bölgeleri belirlenmiştir. Bulanık-YSA metodu, literatürde küme analizi metotlarının performansının test edilmesi için sıkça kullanılan Iris verisi üzerinde denenmiş ve %94’lük bir performans göstererek küme analizi problemlerinde kullanılabileceği gösterilmiştir. Uygulanan küme analizi metotlarının, stabilite testi sonuçlarına göre kararlı olduğu görülmüş ve farklı istasyon sayısı ile yapılan küme analizlerinde kullanılabileceği gösterilmiştir. Meteorolojik veriler küme analizinde kullanılmadan önce lineer regresyon ve beklentilerin maksimumlaştırılması yöntemleriyle eksik verileri tahmin edilmiştir. Kullanılan tüm meteorolojik verilere bağıl homojenlik analizi uygulanmıştır. Ancak, test ve referans serileri arasındaki korelasyonların 0.7’den düşük olduğu durumlarda bağıl homojenlik testinin kullanılması uygun olmadığı için 4 adet mutlak homojenlik analizi uygulanmıştır. Böylece tüm istasyonlara homojenlik analizi uygulanabilmiştir. Meteorolojik verilerin temel bileşen analizi sonucunda, iklim bileşeni olarak adlandırılan 1. temel bileşende sıcaklık ve yağışın yanında bağıl nem verisi de önem arz ettiğinden bu verinin küme analizinde kullanılabileceği gösterilmiştir. Türkiye’de yapılan çalışmalardan farklı olarak bağıl nem küme analizinde kullanılmış ve iklim bölgelerinin belirlenmesindeki etkisi araştırılmıştır. Literatürde benzeri olmayan bir biçimde, meteorolojik verilerin korelasyon katsayılarından oluşan matris küme analizinde kullanılmış ve yüksek küme çözümlerinde klasik yaklaşımlardan daha iyi sonuç verdiği gösterilmiştir. Korelasyonlardan oluşan matrisin kullanıldığı yüksek küme çözümlerinde iklim geçiş bölgeleri görülebildiğinden ilk kez Türkiye’nin “alt yağış rejimi bölgeleri” ve “alt iklim bölgeleri” gösterilmiştir. Bu sonuçlara göre Türkiye 7 ana yağış rejimi ve 16 alt yağış rejimi bölgesi ve 7 ana iklim bölgesi ve 15 alt iklim bölgesinden oluşmaktadır.

In this study, Ward’s method, Kohonen-ANN and a fuzzy-ANN method developed in this study applied for defining precipitation regime regions and climate zones. The Iris data which is commonly used in the literature was used to test the performance of the fuzzy-ANN. The performance of %94 showed that the fuzzy-ANN method can be used in cluster analyses. Stability analyses of the clustering methods showed that these methods can be applied in the cluster analyses which have different number of stations. The missing values were estimated with linear regression and expectation maximization methods before cluster analyses. The homogeneity analysis was performed on the annual data using a relative test and four absolute homogeneity tests employed where non-testable series were found due to the correlation coefficients values under 0.7 between test and reference series. Thus, homogeneity analyses were employed to all stations. Relative humidity showed high importance at the component 1 which is designated as the “climate component” in principal component analyses. A matrix created from the correlation coefficients of the meteorological data were used as input for cluster analysis. In the international literature, there is no similar approach like the creation of this correlation matrix. Due to appearance of “sub-climate zones” when the correlation coefficients were used as input, sub-precipitation regime regions” and “sub-climate zones” of Turkey were manage to demonstrate. According to the results, there is 7 main precipitation regime regions and 16 sub-precipitation regime regions and 7 main climate regions and 15 sub-climate regions in Turkey.