Sis
olayı, görüş mesafesini düşürerek hava, kara ve deniz ulaşımını olumsuz
etkilemekte, dolayısıyla ekonomik kayıplara sebep olmaktadır. Ayrıca, yapılaşmanın
planlanmasında da önemli bir yere sahiptir. Bu sebeple, sis olayı
sebebiyle düşen görüş mesafesinin tahmini büyük önem taşımaktadır. Bu
çalışmada, yapay sinir ağları kullanılarak Esenboğa Havaalanı için görüş
mesafesi tahmini yapılmış ve tutarlılığı incelenmiştir. 2013-2015 yıllarına ait
ve sis üzerinde en çok etkisi olan sıcaklık, çiğ noktası sıcaklığı, basınç,
rüzgar hızı ve nispi nem parametreleri yapay sinir ağları ile eğitime tabi
tutulmak amacıyla kullanılmıştır. Bu yıllar içerisinde Esenboğa Havaalanı'nda en sisi aylar olan Kasım, Aralık, Ocak, Şubat ayları seçilmiştir. Sonrasında, yıl içerisinde sisli günlere bakılmaksızın 2016-2017 tüm verileri ise elde edilen
sonuçların tutarlılığının incelenmesi amacıyla kullanılmıştır. Sonuçta,
yöntemin tutarlılığına yönelik olarak 2013-2015 yıllarından teste ayrılan kısım
için R=0.80, 2016 yılı tüm verileri için R=0.41 ve RMSE=2652m; 2017 yılı tüm verileri için R=0.53 ve RMSE=2464m
olarak bulunmuştur. Modele girdi olarak verilen kısımdan teste ayrılan
kısım (%5) için hata oranı (R=0.80) kabul edilebilir seviyede bulunmuştur.
Ancak, sis ve pus durumuna bakılmaksızın tüm verilerin teste tabi tutulduğu
2016 ve 2017 yılları için tutarlılıklar beklenenin altında bulunmuştur.
Yapay sinir ağı levenberg-marquardt yöntemi sis tahmini esenboğa havaalanı
Fog event affects air, land and sea transportation adversely by reducing visibility, thus causes economic loss. Besides, it has an important place in the planning of constructions. For this reason, it is very important to predict reducing visibility due to the fog event. In this study, visibility prediction was made with artificial neural networks and validations were made for Esenboğa Airport. Temperature, dew point temperature, pressure, wind speed and relative humidity, those are the most important parameters for fog occurrence, were used for 2013-2015 years to train in artificial neural network. We selected only January, February, November and December months those are the foggiest months for Esenboğa airport. Then, the whole data for 2016-2017 years regardless of fog were used for validation of the results. As a result, we found R=0.80 for the test part of 2013-2015 years, R=0.41 and RMSE = 2652m for all data of the 2016 year, and R = 0.53 and RMSE = 2464m for all data of the 2017 year. The error rate (R = 0.80) for the test part was found to be acceptable. However, consistencies for the years 2016 and 2017, when all data were tested regardless of fog and haze, were found to when all data were tested regardless of fog and haze, were found to be as below expectations.
Artificial neural network levenberg-marquardt method fog estimation esenboğa airport
Birincil Dil | İngilizce |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 31 Mart 2019 |
Yayımlandığı Sayı | Yıl 2019 Sayı: 15 |