Bulanık Yapay Sinir Ağları ve Çok Katmanlı Yapay Sinir Ağları ile Günlük Buharlaşma Tahmini

Year 2019, Özel Sayı, 24 - 31, 24.12.2019

Demet Yıldırım Bilal Cemek , Erdem Küçüktopcu

https://doi.org/10.21657/topraksu.654778

Cited By: 1

Abstract

Hidrolojik döngü için buharlaşma önemli parametrelerden biridir. Buharlaşma su döngüsü ve sulama
yönetimi gibi birçok çalışma için kullanılır. Buharlaşmayı hesaplamak için çeşitli yaklaşımlar geliştirilmiştir.
Bu çalışmada farklı iklim parametreleri kullanılarak günlük buharlaşmayı tahmin etmek için Yapay Sinir
Ağları (YSA) ve Uyarlamalı Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFİS) yöntemleri kullanılmıştır.
Bu metotlarda test ve eğitim verisi olarak 3 meteoroloji istasyon (Samsun. Bafra ve Çarşamba) verisi
kullanılmıştır. Ortalama sıcaklık, bağıl nem, güneşlenme şiddeti ve rüzgâr hızı farklı kombinasyonlar da
tahmin için kullanılmıştır.
Belirtme katsayısı (R2), tahmin hatasının standart sapması (RMSE), ortalama mutlak hata (MAE) gibi
farklı istatistik parametreleri kullanılarak model performansını değerlendirilmiştir. Sonuç olarak YSA ve
ANFİS metotları özellikle sınırlı iklim parametrelerinin olduğunda buharlaşmayı tahmin etmede yararlı
araçlardan olduğu belirlenmiştir.

Keywords

ANFIS, günlük buharlaşma, Samsun, yapay sinir ağları

Estimation of Daily Evaporation Using Fuzzy Artificial Neural Network (ANFIS) and Multilayer Artificial Neural Network System (YSA)

Abstract

Evaporation is one of the important parameters of hydrolojical cycle. Evaporation is used for many

studies. such as water balange. planning and management of irrigation practices. In order to estimate

of evaporation is used various approachs. Instudy Artifical Neural Network (ANN) and Adaptive Neuro-

Fuzzy İnference System (ANFIS) is employed to estimate daily evaporation using different climatic

parameters. For these methods are trained and tested using the data of three weather stations (Samsun,

Bafra and Çarşamba). Mean temperature, relative humidity, global radiation, wind speed are used to

estimate different conbination for these models. Different statistic parameters such as coffecient of

determination (R2), root mean square error (RMSE), mean absolute error (MAE) are used to evaluate

performance of the methods. The results showed that ANN and ANFİS methods are useful tools to

estimate of evaporation especially when the limited climate parameters are used.

Keywords

Adaptive neuro-fuzzy inference system, daily evaporation, Samsun, artifical neural network

References

• Antonopoulos VZ, Antonopoulos AV (2017). Daily reference evapotranspiration estimates by artificial neural networks technique and empirical equations using limited ınput climate variables. Computers and Electronics in Agriculture. 132: 86-96. Afşar S (2008). Yapay sinir ağları ve bulanık mantık yöntemleri kullanılarak tava buharlaşma tahmini yapılması. İnşaat Müh. ABD. Yüksek Lisans Tezi. Kayseri. Atiaa AM, Abdul-Qadır AM (2012). Using Fuzzy Logic for Estimating Monthly Pan Evaporation From Meteorological Data in Emara/South of Iraq. J. Baghdad for Sci., 9(1): 133- 140. Boroomand-Nasab B, Joorabian M (2012). Estimating Monthly Evaporation Using Artificial Neural Networks. Journal of Environmental Science and Engineering. 5:88-91. Cemek B, Yıldırım D, Atiş A, Köksal ES, Temizel K (2010). Samsun ili aylık referans bitki su tüketiminin yapay sinir ağlarıyla belirlenmesi. I. Ulusal Su Kaynakları Kongresi. I / s. 44-52. 1-4 Haziran 2010, Eskişehir. Cemek B, Ünlükara A, Karaman S, Yıldırım D, Atiş A (2011). Marul yetiştirilen topraklarda toprak tuzluluğunun yapay sinir ağları ile belirlenmesi. II. Ulusal Toprak ve Su Kaynakları Kongresi. II / s. 811-817. 22-25 Kasım, Ankara. Chung CH, Chiang YM, Chang FJ (2012). A Spatial Neural Fuzzy Network for Estimating Pan Evaporation at Ungauged Sites. Hydrology and Earth System Sciences, 16. 255–266. Doğan E, Işık S (2005). Sapanca Gölü Günlük Buharlaşma Miktarının Radyal Temelli Yapay Sinir Ağı Modeli Kullanılarak Tahmin Edilmesi. Bilim Modern Yöntemler Sempozyumu, s. 807-814. Kasım 16-18. Kocaeli. Hebb D (1949). The Organization of Behavior. Willey. NewYork. Jang (1993). ANFIS: Adaptive-network-based fuzzy ınference system. IEEE Trans. Syst.. Man. Cybern, 2: 665– 685. Jang JS, Sun CT, Mizutani E (1997). Neuro-fuzzy and soft computing: A computational approach to learning and machine ıntelligence. Upper Saddle River. NJ: Prentice-Hall. 5-15. Kişi O (2006). Daily pan evaporation modelling using a neuro-fuzzy computing technique, J. Hydrol., 329: 636–646. Karimi-Googhari S (2012). Daily pan evaporation estimation using a neuro-fuzzy-based model. Journal of Agricultural Science and Technology. 2: 223-228. McCullogh WS, Pitts WA (1943). A logical calculus of the ıdeas ımmanent in nervous activity. Bull. Math. Biophysics. Vol. 5: 115-133 p. Sudheer PK, Gosain AK, Mohana RD, Saheb SM (2002). Modeling evaporation using an artificial neural network algorithm. hydrological process. 16:3189- 3202. Terzi Ö, Keskin EM (2005). Yapay sinir ağları yaklaşımı kullanarak günlük tava buharlaşmanın tayini. YMO Teknik Dergi. 3683-3693.