dc.contributor.author |
Turhan, Evren |
|
dc.contributor.author |
Cagatay Ozmen, Hatice |
|
dc.contributor.author |
Cetin, Abdurrahim |
|
dc.date.accessioned |
2020-02-27T13:03:56Z |
|
dc.date.available |
2020-02-27T13:03:56Z |
|
dc.date.issued |
2016 |
|
dc.identifier.citation |
TURHAN, E., ÖZMEN, H.Ç., ÇETİN, A., (2016). Yapay Sinir Ağı Yöntemleri ile Aşağı Seyhan Ovası Alt Havzası Yağış-Akış İlişkisinin Modellenmesi ve Yağışlı-Kurak Dönemler Açısından İrdelenmesi. Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi, 31(2), 227-241. https://doi.org/10.21605/cukurovaummfd.310289 |
tr_TR |
dc.identifier.issn |
1019-1011 |
|
dc.identifier.issn |
2564-7520 |
|
dc.identifier.uri |
http://openaccess.adanabtu.edu.tr:8080/xmlui/handle/123456789/739 |
|
dc.identifier.uri |
https://doi.org/10.21605/cukurovaummfd.310289 |
|
dc.description |
TR Dizin indeksli yayınlar koleksiyonu. / TR Dizin indexed publications collection. |
tr_TR |
dc.description.abstract |
Son yıllarda yağış-akış ilişkisini modellemede yapay zeka tekniklerinin kullanımı çok yaygınlaşmıştır. Bu çalışmada Aşağı Seyhan Ovası Alt Havzası'ndaki belirlenmiş Akım Gözlem İstasyonu (AGİ) ve Çatalan, Karaisalı Yağış Gözlem İstasyonu (YAGİ) verilerinden yararlanılarak yağış-akış ilişkisinin modellenmesi üzerine çalışılmıştır. İleri Beslemeli Geri Yayınımlı (İBGYSA) ve Genelleştirilmiş Regresyon Yapay Sinir Ağları (GRYSA) gibi farklı Yapay Sinir Ağı (YSA) yöntemleri kullanılmıştır. Elde edilen sonuçlar Çoklu Doğrusal Olmayan Regresyon (ÇDOR) yöntemi sonuçları ile karşılaştırılmıştır. Bu bağlamda Standartlaştırılmış Yağış İndeksi (SYİ) analizi de yapılarak tahmin modeli test edilmiştir. |
tr_TR |
dc.description.abstract |
Recently, using artificial intelligence techniques for modelling of rainfall-runoff relation is a very common application.In this study, modelling of rainfall-runoff relation for Lower Seyhan Plain SubBasin was applied with using existed flowdata of certain Flow Observation Stations (FOS) in this basin and rainfall data of Çatalan, Karaisalı Rainfall Observation Stations (ROS). Different artificial neural network methods as Feed Forward Back Propagation Neural Networks (FFBPNN)andGeneralized Regression Neural Networks (GRNN) were used. Obtained results were compared with Multiple NonLinear Regression (MNLR) results. In this context, also analysing by using the Standardized Precipitation Index (SPI) method, estimation model has been tested. |
|
dc.language.iso |
other |
tr_TR |
dc.publisher |
Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi / Çukurova Üniversitesi |
tr_TR |
dc.relation.ispartofseries |
2016;Volume: 31 Issue: 2 |
|
dc.subject |
Fen |
tr_TR |
dc.subject |
Mühendislik |
tr_TR |
dc.subject |
Mimarlık |
tr_TR |
dc.subject |
Yapay sinir ağları |
tr_TR |
dc.subject |
Yağış- akış |
tr_TR |
dc.subject |
Aşağı Seyhan alt havzası |
tr_TR |
dc.subject |
SYİ |
tr_TR |
dc.subject |
Artificial neural networks |
tr_TR |
dc.subject |
Rainfall-runoff |
tr_TR |
dc.subject |
Lower Seyhan sub-basin |
tr_TR |
dc.subject |
SPI |
tr_TR |
dc.title |
Yapay Sinir Ağı Yöntemleri ile Aşağı Seyhan Ovası Alt Havzası Yağış-Akış İlişkisinin Modellenmesi ve Yağışlı-Kurak Dönemler Açısından İrdelenmesi |
tr_TR |
dc.title.alternative |
Modelling of Rainfall-Runoff Relation with Artificial Neural Network Methods for Lower Seyhan Plain Sub-Basin and Assessment in Point of Rainy-Droughty Terms |
tr_TR |
dc.type |
Article |
tr_TR |