+90(533) 652 66 86
nwsa.akademi@hotmail.com
Fırat Akademi Samsun-Türkiye
| Cover Download | Context Page Download |
Veysel GÜMÜŞ 1 , Mehmet Eyyup Kavsut 2 , Kasım Yenigün 3
Son yıllarda Yağış-Akış ilişkisinin modellenmesinde, giderek daha farklı alanlarda kullanılmaya başlayan ve oldukça başarılı sonuçlar veren, ancak su mühendisliği alanında henüz yeni yeni ivmelenen Yapay Sinir Ağları, Genetik Algoritma ve Bulanık Mantık gibi Yapay Zeka Yöntemlerinin kullanımı gündeme gelmiştir. Bu çalışmada, Orta Fırat Havzasında bulunan 2122 numaralı akım gözlem istasyonuna ait aylık ortalama akım verileri ile 17099 numaralı yağış gözlem istasyonuna ait aylık toplam yağış verileri arasındaki ilişki yapay sinir ağları metotlarından İleri Beslemeli Geri Yayınım Sinir Ağı (İBGYSA) metodu ile araştırılmış ve ardından bu sonuçlar daha klasik bir yöntem olan Çoklu Doğrusal Regresyon (ÇDR) yöntemi ile karşılaştırılmıştır. Akım ve yağış verilerinin girdi olarak kullanıldığı bu işlemde yeni akım değerleri tahmin edilmiştir. Çalışma sonunda İBGYSA yönteminin ÇDR yöntemine göre daha iyi sonuç verdiği görülmüştür.
Keywords
Yapay Sinir Ağları,
Yağış-Akış,
Orta Fırat Havzası,
Çoklu Doğrusal Regresyon,
Akım Tahmini,
Veysel GÜMÜŞ 1 , Mehmet Eyyup Kavsut 1 , Kasım Yenigün 1
Artificial intelligence methods such as Artificial Neural Network (ANN), Genetic Algorithm (GA) and Fuzzy Logic (FL) provide prosperous results have recently been used in the modelling of rainfall-flow relations and they are becoming more popular in hydraulic engineering practices. In this paper the relations between the average monthly flow data from the flow observation station numbered as 2122 and the monthly total rainfall data from the rainfall observation station numbered as 17099 located in the central Euphrates river basin are investigated by using the feed-forward back-propagation neural network (FFBPNN) method from ANN solutions and afterwards the results are compared using Multi linear Regression (MLR) method. New flow values are estimated by this procedure that uses the flow and rainfall data as input. This paper concludes that FFBPNN method provides better results compared to the results from MLR method.
Keywords
Artifical Neural Network,
Rainfall-Runoff,
Middle Part of Euphrates Basin,
Multi Linear Regression,
Flow Estimation ,
|
Authors |
|
|||||||||||
|
|
||||||||||||
|
Supporting Institution |
: | |||||||||||
|
|
||||||||||||
|
Project Number |
: | |||||||||||
|
|
||||||||||||
|
Thanks |
: | |||||||||||
