You are here

Home » Content

Adana istasyonunda buharlaşmanın farklı yapay zeka yöntemleri ile tahmini

Estimation of Monthly Pan Evaporation Using Different Artificial Intelligence Methods in Adana Station

Journal Name:

  • Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi

Publication Year:

  • 2016

Key Words:

Keywords (Original Language):

Author NameUniversity of Author
Abstract (2. Language): 
Evaporation is a primary process of water and heat loss for most of lakes and therefore a main component in both their energy and water budgets. Accurate estimation of evaporation is necessary for water and energy budget studies, water quality surveys, water management and planning of hydraulic constructions. Evaporation is emerging as an important parameter in hydrological and meteorological studies and also it is important to estimate evaporation correctly for the development, controlling and management of the water resources. In recent years, artificial intelligence methods are becoming more popular among the researchers in hydrology and water resources management. In this study, Artificial Neural Network (ANN), Adaptive Network Based Fuzzy Inference Systems (ANFIS) and Gene Expressing Programming (GEP) were used to obtain the estimated monthly average evaporation. Using climatic data of monthly average temperature (oC), humidity (%) wind speed (m/s), pressure (hPa), solar radiation (cal / cm2) and sunshine duration (hours), the average monthly pan evaporation in Adana station was estimated. Creating different combinations of input parameters the results obtained from ANN, ANFIS and GEP were compared. According to the result obtained from different methods, all methods were found to be successful in estimating the evaporation but ANFIS method with 6 input combination is determined to be most successful in all models created.
Bookmark/Search this post with
Abstract (Original Language): 
Buharlaşma, hidrolojik ve meteorolojik çalışmalarda önemli bir parametre olarak karşımıza çıkmakta ve buharlaşma tahmininin doğru yapılması ise su kaynaklarının geliştirilmesi, kontrol edilmesi ve yönetimi gibi çeşitli amaçlar için önem arz etmektedir. Son yıllarda, yapay zeka yöntemleri kullanan araştırmacılar arasında, hidroloji ve su kaynakları yönetimi konusu giderek daha popüler hale gelmektedir. Bu çalışmada, aylık ortalama buharlaşma tahminini elde etmek için Yapay Sinir Ağı (YSA), Bulanık Mantık Yapay Sinir Ağı (ANFIS) ve Gen Ekspresyon Programlama (GEP) yöntemleri kullanılmıştır. Aylık ortalama sıcaklık (Co), nem (%), rüzgar hızı (m/s), basınç (hPa), güneşlenme şiddeti (cal / cm2) ve güneşlenme süresi (saat) iklimsel verileri kullanılarak, Adana istasyonundaki aylık ortalama buharlaşma tahmin edilmiştir. Farklı girdi parametreleri kombinasyonları oluşturularak, YSA, ANFIS ve GEP metotları kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Elde edilen sonuçlar neticesinde, kullanılan tüm metotların buharlaşma tahmininin kabul edilebilir derecede başarılı olduğu ancak ANFIS metodunda 6 girdili kombinasyonun, oluşturulan tüm modeller içerisinde en başarılı sonucu verdiği belirlenmiştir.
FULL TEXT (PDF): 
PDF icon arastirmax-adana-istasyonunda-buharlasmanin-farkli-yapay-zeka-yontemleri-ile-tahmini.pdf
  • 2
309
318
  • Turkish

REFERENCES

References: 

Aytek A., "Co-active neurofuzzy inference system
for evapotranspiration modeling." Soft
Computing, 13(7), 691-700, 2009.
Cobaner M., "Evapotranspiration estimation by
two different neuro-fuzzy inference systems."
Journal of Hydrology, 398(3), 292-302, 2011.
Doğan E., Işık S., Sandalcı M., "Günlük
Buharlaşmanın Yapay Sinir Ağları
Kullanarak Tahmin Edilmesi." İMO Teknik
Dergi, 271, 4119-4131, 2007.
Ferreira, C., "Gene expression programming: a
new adaptive algorithm for solving
problems." Complex Syst. , 13(2), 87-129,
2001.
Güldal, V., Tongal, H., "Comparison of recurrent
neural network, adaptive neuro-fuzzy
inference system and stochastic models in
Eğirdir Lake Level Forecasting." Water
resources management, 24(1), 105-128, 2010.
Haykin, S., Neural networks: a comprehensive
foundation, Prentice Hall PTR, 1994.
Jang, J.S., "ANFIS: adaptive-network-based
fuzzy inference system." Systems, Man and
Cybernetics, IEEE Transactions on, 23(3),
665-685, 1993.
Kisi, O., Shiri, J., Nikoofar, B., "Forecasting
daily lake levels using artificial intelligence
approaches." Computers & Geosciences, 41,
169-180, 2012.
Kişi, Ö., "Daily pan evaporation modelling using
a neuro-fuzzy computing technique." Journal
of hydrology, 329(3), 636-646, 2006.
Kişi, Ö., Afşar, S., "Yapay Sinir Ağı ve Bulanık-
Yapay Sinir Ağı Yöntemleri Kullanılarak
Tava Buharlaşma Tahmini." Tarım Bilimleri
Araştırma Dergisi, 3(1), 45-51, 2010.
Kumar, M., Bandyopadhyay, A., Raghuwanshi,
N., Singh, R., "Comparative study of
conventional and artificial neural networkbased
ETo estimation models." Irrigation
Science, 26(6), 531-545, 2008.
Shiri, J., Kişi, Ö., "Application of artificial
intelligence to estimate daily pan evaporation
using available and estimated climatic data in
the Khozestan Province (South Western
Iran)." Journal of Irrigation and Drainage
Engineering, 137(7), 412-425, 2011.
Shiri, J., Marti, P., Singh, V. P., "Evaluation of
gene expression programming approaches for
estimating daily evaporation through spatial
and temporal data scanning." Hydrological
Processes, 28(3), 1215-1225, 2014.
Tabari, H., Talaee, P. H., Abghari, H., "Utility of
coactive neuro-fuzzy inference system for pan
evaporation modeling in comparison with
multilayer perceptron." Meteorology and
317
Adana İstasyonunda Buharlaşmanın Farklı Yapay Zeka Yöntemleri İle Tahmini
Atmospheric Physics, 116(3-4), 147-154,
2012.
Terzi, Ö., "Daily pan evaporation estimation
using gene expression programming and
adaptive neural-based fuzzy inference
system." Neural Computing and Applications,
23(3-4), 1035-1044, 2013.
Terzi, Ö., Keskin, M. E., "Yapay Sinir Ağları
Yaklaşımı Kullanılarak Günlük Tava
Buharlaşma Tahmini." İMO Teknik Dergi,
243, 3683-3693, 2005.
Trajkovic, S., Kolakovic, S., "Comparison of
simplified pan-based equations for estimating
reference evapotranspiration." Journal of
irrigation and drainage engineering, 136(2),
137-140, 2009.
Wu, J.D., Hsu, C.C., Chen, H.C., "An expert
system of price forecasting for used cars using
adaptive neuro-fuzzy inference." Expert
Systems with Applications, 36(4), 7809-7817,
2009.

Thank you for copying data from http://www.arastirmax.com