Susurluk havzası yağış akış verilerinin modellenmesi
Yükleniyor...
Dosyalar
Tarih
2010-12-17
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Hidrolojik olaylar çok farklı parametrelerden etkilenmekte, dolayısıyla bir planlama sırasında zorluklar yaşanmaktadır. Değişkenler arasında kesin bir bağlantıdan söz edilememesi, algoritmaların ve istatistiksel yöntemlerin kullanımına teşvik etmektedir. Son yıllarda oldukça sık kullanılan modeller arasında Yapay Sinir Ağları ve Bulanık Mantık yöntemleri de bulunmaktadır. Bu çalışmada Susurluk Havzası'na ait 7 farklı Akım Gözlem İstasyonunun aylık ortalama akım verileri yapay sinir ağları ve bulanık mantık yöntemleri ile modellenmiş ve Zaman Serileri modeli olan ARIMA modeli ile karşılaştırılmıştır. Havza üzerinde bulunan ve yağış gözlemi yapan meteoroloji istasyonları ile Thiessen Çokgeni oluşturularak her bir istasyona etki edebilecek yağış değerleri belirlenmiştir. Geçmiş aylara ve akım değerinin ait olduğu aya ait yağış verilerinin akım verileri ile korelasyonuna bakılarak yapay sinir ağları ve bulanık mantık yöntemlerinde kullanılacak veri setleri oluşturulmuştur. Modelleme farklı yapılarda yapılmış ve en iyi performans gösteren yapı esas alınmıştır. Zaman serileri modelinde, uygun ARIMA modelini tahmin etmek amacıyla Otokorelasyon ve Kısmi Otokorelasyon Fonksiyonu grafikleri incelenmiştir. Ayrıca farklı ARIMA modelleri de denenerek Akaike Bilgi Kriterlerine göre en uygun model belirlenmeye çalışılmıştır. Modellerin kıyaslamasının yapılabilmesi için her bir modelin tahmin değerleri ile ölçüm değerleri grafikleri çizilmiş ayrıca Ortalama Karesel Hata değerleri ve R2 değerleri hesaplanarak hata performanslarına bakılmıştır. Elde edilen sonuçlara göre yapay sinir ağları ve bulanık mantık modelleri, düşük R2 değeri olan iki akım gözlem istasyonu dışında kabul edilebilir sonuçlar üretebildiği görülmüştür.
Hydrological events are affected many different parameters, so the difficulties experienced during the planning. There cannot be a definite connection between the Variables, encourages the use of algorithms and statistical methods. In recent years, Artificial Neural Networks and Fuzzy Logic techniques are among the quite common used models. In this study, monthly average flow data belong to 7 different Flow Observation Stations, which are in Susurluk Basin, are modeled with artificial neural networks and fuzzy logic methods and are compared with Time Series ARIMA model. Rainfall values that may affect the each station were determined by Thiessen Polygon formed with the meteorological stations which can make rainfall observation on the basin. Data sets that will be used for artificial neural network and fuzzy logic modeling, were set looking to correlation between flow data and rainfall data which belong to current month and ancient months. Modeling made of different structures and based on the best-performing. Autocorrelation and Partial Autocorrelation Function graphs were examined in order to estimate the appropriate time series ARIMA model. In addition, different ARIMA models are also tested according to the Akaike Information Criteria, to determine the most appropriate model. Graphs of measured and forecasted data were drawn in order to compare the models and Mean Squared Error and R2 values are also calculated and investigated. It was seen that both artificial neural networks and fuzzy logic model can produce acceptable results except two stations, which seen low R2 value, according to obtained results.
Hydrological events are affected many different parameters, so the difficulties experienced during the planning. There cannot be a definite connection between the Variables, encourages the use of algorithms and statistical methods. In recent years, Artificial Neural Networks and Fuzzy Logic techniques are among the quite common used models. In this study, monthly average flow data belong to 7 different Flow Observation Stations, which are in Susurluk Basin, are modeled with artificial neural networks and fuzzy logic methods and are compared with Time Series ARIMA model. Rainfall values that may affect the each station were determined by Thiessen Polygon formed with the meteorological stations which can make rainfall observation on the basin. Data sets that will be used for artificial neural network and fuzzy logic modeling, were set looking to correlation between flow data and rainfall data which belong to current month and ancient months. Modeling made of different structures and based on the best-performing. Autocorrelation and Partial Autocorrelation Function graphs were examined in order to estimate the appropriate time series ARIMA model. In addition, different ARIMA models are also tested according to the Akaike Information Criteria, to determine the most appropriate model. Graphs of measured and forecasted data were drawn in order to compare the models and Mean Squared Error and R2 values are also calculated and investigated. It was seen that both artificial neural networks and fuzzy logic model can produce acceptable results except two stations, which seen low R2 value, according to obtained results.
Açıklama
Anahtar Kelimeler
Yapay sinir ağları, Bulanık mantık, ANFIS, ARIMA, Susurluk havzası, Yağış akış modellemesi, Rainfall runoff modeling, Susurluk Basin, Fuzzy logic, Artificial neural networks
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yarar, A. (2010). Susurluk havzası yağış akış verilerinin modellenmesi. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya.
