- Düzce Üniversitesi Orman Fakültesi Ormancılık Dergisi
- Vol: 8 Issue: 2
- Günlük Sediment Yükünün Radyal Temelli Fonksiyon Sinir Ağları Kullanılarak Tahmin Edilmesi
Günlük Sediment Yükünün Radyal Temelli Fonksiyon Sinir Ağları Kullanılarak Tahmin Edilmesi
Authors : Abdurrahim AYDIN, Remzi EKER
Pages : 36-44
View : 8 | Download : 1
Publication Date : 2012-12-17
Article Type : Research
Abstract :Bu çalışmada, Yapay Sinir Ağları (ANNs) kullanılarak günlük akarsu akış miktarına karşılık gelen günlük askıda sediment miktarları tahmin edilmiştir. Radyal Temelli Fonksiyonlar (RBFs), ANN yöntemi olarak seçilmiş ve linear tangent hyperbolic axon (litanhaxon) ve tangent hyperbolic axon (tanhaxon) transfer fonksiyonları ile Quickprop (QP) ve Delta-bar-Delta (DBD) isimli iki farklı öğrenme algoritması uygulanmıştır. Çoruh Nehri (Türkiye) üzerindeki İspir Ölçüm istasyonunda 1991 ve 1999 yılları arasında ölçülen akarsu akış ve askıda sediment verisi kullanılmıştır. RBF ağ yapısı için öğrenme/kalibrasyon ve test/doğrulama amacıyla toplamda 106 veri kullanılmıştır. Ölçümlerin 76 tanesi (%72) öğrenme için ayrılırken geriye kalanlar test etmek için kullanılmıştır. Geliştirilen tüm RBF ağları bir gizli katman (HL) ve bir proses eleman (PE) veya nörona sahiptir. Ortalama Mutlak Hata (MAE) ve korelasyon katsayısı (R) performans kriteri olarak kullanılmıştır. Geliştirilen ağların MAE performans kriterine göre litanhaxon ile DBD öğrenme algoritması (MAE=0.052) en iyi sonucu verirken sırasıyla litanhaxon ile QP öğrenme algoritması (MAE=0.054), tanhaxon ile DBD öğrenme algoritması (MAE=0.056), tanhaxon ile QP öğrenme algoritması (MAE=0.057) daha iyi sonuç vermiştir. R performans kriterine göre ise tanhaxon ile DBD öğrenme algoritması (R=0.963) en iyi sonucu verirken sırasıyla tanhaxon ile QP öğrenme algoritması (R=0.961), litanhaxon ile QP öğrenme algoritması (R=0.955), litanhaxon ile DBD öğrenme algoritması (R=0.945) daha iyi sonuç vermiştir. Bu çalışma mühendislik uygulamalarında ANN kullanılarak günlük akarsu akış miktarına karşılık gelen askıda sediment miktarının tahmininde RBF ağlarının tatmin edici sonuçlar sağladığını göstermektedir.Keywords : Akarsu Akış, Sediment, Tahmin, RBF