Referans evapotranspirasyonun zaman, konum, bağıl nem ve rüzgâr hızı girdileri kullanılarak yapay sinir ağlarıyla tahmin edilmesi

dc.contributor.authorAksu, Necati
dc.date.accessioned2020-01-10T09:46:47Z
dc.date.available2020-01-10T09:46:47Z
dc.date.issued2016-05-17
dc.descriptionBu 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.tr_TR
dc.description.abstractBu 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.tr_TR
dc.description.abstractIn 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.en_US
dc.identifier.citationAksu, 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.tr_TR
dc.identifier.endpage87tr_TR
dc.identifier.issn2651-4044
dc.identifier.issue1tr_TR
dc.identifier.startpage75tr_TR
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/221853
dc.identifier.urihttp://hdl.handle.net/11452/5652
dc.identifier.volume30tr_TR
dc.language.isotrtr_TR
dc.publisherUludağ Üniversitesitr_TR
dc.relation.journalBursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi / Journal of Agricultural Faculty of Bursa Uludag Universitytr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectET0tr_TR
dc.subjectReferans evapotranspirasyontr_TR
dc.subjectYSAtr_TR
dc.subjectKonumtr_TR
dc.subjectMeteorolojik faktörlertr_TR
dc.subjectReference evapotranspirationen_US
dc.subjectANNtr_TR
dc.subjectLocationen_US
dc.subjectMeteorological factorsen_US
dc.titleReferans evapotranspirasyonun zaman, konum, bağıl nem ve rüzgâr hızı girdileri kullanılarak yapay sinir ağlarıyla tahmin edilmesitr_TR
dc.title.alternativeEstimation of reference evapotranspiration with artificial neural networks using values of time, location, relative humidity and wind speeden_US
dc.typeArticleen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
30_1_7.pdf
Size:
584.55 KB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: