dc.contributor.author |
Turhan, Evren |
|
dc.contributor.author |
Ozmen-Cagatay, Hatice |
|
dc.date.accessioned |
2020-03-03T12:33:03Z |
|
dc.date.available |
2020-03-03T12:33:03Z |
|
dc.date.issued |
2016 |
|
dc.identifier.citation |
TURHAN, E , ÖZMEN ÇAĞATAY, H . (2016). Eksik Akım Verilerinin Tahmin Modelinin Oluşturulmasında Yapay Sinir Ağlarının Kullanımı: Asi Nehri-Demirköprü Akım Gözlem İstasyonu Örneği. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi , 31 (1) , 93-106 . DOI: 10.21605/cukurovaummfd.317737 |
tr_TR |
dc.identifier.issn |
1019-1011 |
|
dc.identifier.issn |
2564-7520 |
|
dc.identifier.uri |
http://openaccess.adanabtu.edu.tr:8080/xmlui/handle/123456789/758 |
|
dc.identifier.uri |
https://doi.org/10.21605/cukurovaummfd.317737 |
|
dc.description |
TR Dizin indeksli yayınlar koleksiyonu. / TR Dizin indexed publications collection. |
tr_TR |
dc.description.abstract |
Hidrolojik planlamalarda eksik olan akım verilerinin tahmin edilmesi su yapılarının tasarım süreçlerinin çok önemli bir aşaması olmaktadır. Bu çalışmada Ülkemizin en önemli sel havzalarından biri olarak kabul edilen Hatay suları havzası'nda bulunan 1907 numaralı Asi nehri-Demirköprü AGİ'ye ait eksik aylık akım verileri havzadaki yakın diğer istasyonların akım verileri kullanılarak, İleri beslemeli geri yayınımlı yapay sinir ağları (İBGYSA) yöntemi yardımıyla ayrı ayrı modellenmiştir. Her bir model sonucu çoklu doğrusal regresyon (ÇDR) ve çoklu doğrusal olmayan regresyon (ÇDOR) yöntemleri ile karşılaştırılmıştır. Çalışma sonucunda İBGYSA yönteminin ÇDR ve ÇDOR yöntemlerine göre az da olsa daha iyi sonuçlar verdiği görülmüştür. |
tr_TR |
dc.description.abstract |
Estimation of missing data in hidrological planning is a very important stage of design processes of water structures. In this study, missing monthly flow data of Asi River-Demirköprü Flow Observation Station (FOS) (No:1907) were estimated with using existed flow data of other flow stations which close to these stations in the same basin. By using Feed Forward Back Propagation Neural Network (FFBPNN) as the model of Artificial Neural Network (ANN) method, missing flow data was modelled. The results of each FFBPNNs were compared with Multiple Regression (MR) results. According to the results of this study, FFBPNN method produced mostly better results than MR. |
|
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: 1 |
|
dc.subject |
Fen |
tr_TR |
dc.subject |
Mühendislik |
tr_TR |
dc.subject |
Mimarlık |
tr_TR |
dc.title |
Eksik Akım Verilerinin Tahmin Modelinin Oluşturulmasında Yapay Sinir Ağlarının Kullanımı: Asi Nehri-Demirköprü Akım Gözlem İstasyonu Örneği |
tr_TR |
dc.title.alternative |
Using of Artificial Neural Network (ANN) for Setting Estimation Model of Missing Flow Data: Asi River-Demirköprü Flow Observation Station (FOS) |
tr_TR |
dc.type |
Article |
tr_TR |