Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/5652
Title: Referans evapotranspirasyonun zaman, konum, bağıl nem ve rüzgâr hızı girdileri kullanılarak yapay sinir ağlarıyla tahmin edilmesi
Other Titles: Estimation of reference evapotranspiration with artificial neural networks using values of time, location, relative humidity and wind speed
Authors: Aksu, Necati
Keywords: ET0
Referans evapotranspirasyon
YSA
Konum
Meteorolojik faktörler
Reference evapotranspiration
ANN
Location
Meteorological factors
Issue Date: 17-May-2016
Publisher: Uludağ Üniversitesi
Citation: Aksu, N. (2016). "Referans evapotranspirasyonun zaman, konum, bağıl nem ve rüzgâr hızı girdileri kullanılarak yapay sinir ağlarıyla tahmin edilmesi". Uludağ Üniversitesi Ziraat Fakültesi Dergisi, 30(1), 75-87.
Abstract: Bu çalışma ile sınırlı olan su kaynaklarının planlanmasında ve yönetiminde önem arz eden referans evapotranspirasyonun (ET0) kolay ve ekonomik olarak tahmini amaçlanmıştır. Bu doğrultuda, Yapay Sinir Ağlarının (YSA) karmaşık sebep-sonuç ilişkilerini çözebilme yeteneğinden yararlanmak suretiyle, temin edilmesi çeşitli zorluklar içeren ve ayrıca yüksek maliyet ve uzun zaman gerektiren birçok meteorolojik girdi yerine, bu girdileri şekillendiren doğal veriler ve daha az meteorolojik veri kullanılarak ET0 tahmin edilmiştir. Bu kapsamda; zaman, enlem, yükseklik ve denize mesafe gibi konum değişkenleriyle, bağıl nem ve rüzgâr hızı gibi meteorolojik değişkenler girdi olarak, FAO PM ET0 değerleri de çıktı (hedef) olarak kullanılan farklı yapı ve özelliklerde çok sayıda ağ projesi oluşturulmuştur. Bu projeler Levenberg Marquardt (LM) algoritması ve farklı yinelemelerle eğitilerek test edilmiş ve tahmin başarısı en yüksek YSA belirlenmiştir. Belirlenen ağın Ortalama Mutlak Hatası (MAE) = 0.11 mm gün-1 ; Ortalama Mutlak Yüzde Hatası (MAPE) = % 4.3; Belirlilik Katsayısı (R2 ) = 0.99; Ortalama Göreceli Hatası (OGH) = 0.04; Kök Ortalama Kare Hatası (KOKH) = 0.15 mm gün-1 ve NS katsayısı 0.99 bulunmuştur. Netice itibariyle, güvenle kullanılabilir doğrulukta bir sonuç elde edilmiştir.
In this study, the easy and economic way of prediction of the reference evapotranspiration (ET0), an important factor in planning and management of limited water resources, was aimed. Accordingly, Evapotranspiration (ET0) was predicted with the helping Artificial Neural Networks (ANN) ability in solving the complex cause-and-effect relationships by using natural data and less meteorological data instead of large amount of real meteorological data that require various difficulties, high costs, and longer durations. In this context, numerous network project in different structures and features has been generated. In these projects, location variables such as time, latitude, elevation, distance to sea and meteorological variables such as relative humidity and wind speed have been used as input data while FAO PM ET0 has been used as output (target) value. These projects have been tested by the training with Levenberg Marquardt algorithms and different iterations, ANN with the highest prediction success was identified. On the selected network, Nash-Sutcliffe Coefficient (NS), Root Mean Square Error (RMSE), Mean Relative Error (MRE), Determination Coefficient (R2 ), the Mean Absolute Percentage Error (MAPE), and the Mean Absolute Error (MAE) between the ANN predictions and the FAO PM ET0 were 0.99, 0.15 mm day-1 , 0.04, 0.99, 4.3%, and 0.11 mm day-1 , respectively. In conclusion a reliable result was obtained.
Description: Bu çalışma, Kahramanmaraş Sütçü İmam Üniversitesi Fen Bilimleri Enstitüsü Biyosistem Mühendisliği Anabilim Dalında Kenan Uçan'ın danışmanlığında Necati Aksu tarafından hazırlanan "Yapay sinir ağları ile zaman-konum bilgileri kullanılarak referans bitki su tüketiminin tahmin edilmesi " adlı doktora tezine dayanılarak hazırlanmıştır.
URI: https://dergipark.org.tr/tr/download/article-file/221853
http://hdl.handle.net/11452/5652
ISSN: 2651-4044
Appears in Collections:2016 Cilt 30 Sayı 1

Files in This Item:
File Description SizeFormat 
30_1_7.pdf584.55 kBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons