Sürdürülebilir Kalkınma Amaçları
Yayınlar
- MakaleAçık Erişim2022Etkili Girdi Parametrelerinin Çoklu Regresyon ile Belirlendiği Su Sertliğinin ANFIS Yöntemi ile Tahmin Edilmesi
Acar, Ramazan; Saplioglu, Kemal
Su sertliği; özellikle içme suları, endüstri suları ve hizmet suyu alanlarında kullanım hususunda önemli bir kalite özelliğidir. Kalsiyum (Ca), magnezyum (Mg) ve bikarbonat (HCO3) tuzları ile suyun geçici sertliği; klor (CL), fosfat (PO43), nitrat (NO3), sülfat (SO4) ve silikat tuzlarıyla da suyun kalıcı sertliği oluşmaktadır. Çalışmada, Fırat Havzası üzerinde bulunan 2119 nolu Kemahboğazı akım gözlem istasyonu (AGİ) için Anfis modelleri ile su sertliğinin tahmin edilmesi amaçlanmıştır. Bu amaçla Na, K, CO3, HCO3, CL, SO4, EC, sıcaklık (T), pH ve su miktarı (SM) verileri girdi olarak kullanılmıştır. Ancak modeller oluşturulurken parametre sayısının fazla olması kurulacak Anfis modellerinin sayısını arttırmakta ve bu modeller içerisinden en iyi modeli seçmeyi de zorlaştırmaktadır. Bu zorluğun üstesinden gelebilmek için Anfis modellerinde kullanılacak etkili parametrelerin belirlenebilmesi için çoklu regresyon modeli kurulmuştur. Oluşturulan çoklu regresyon modeline her parametre sırası ile eklenerek Düzeltilmiş R² değerlerindeki değişmeler gözlemlenerek Anfis modelinde kullanılacak etkili parametreler belirlenmiştir. Çoklu regresyon sonucu girdi parametrelerinin CL, EC, HCO3 ve SO4 olarak seçilmesine karar verilmiştir. Çalışmanın ikinci kısmında bu parametrelerin farklı kombinasyon ve alt küme sayıları ile Anfis modellemeleri oluşturulmuştur. Tüm sonuçlar eğitim ve test verileri için R², ağırlıklı karesel hata ve Wilcoxon testi değerleri belirlenmiş ve su sertliğinin belirlenmesinde kullanılabilecek modeller gösterilmiştir.
AtıfOpenAlex8TR Dizin5
İncele - MakaleYalnız künye2020Akarsulardaki sediment taşınımının yapay sinir ağları ve anfıs yöntemleri kullanılarak tespiti
Acar, Ramazan; Saplioglu, Kemal
İçme suyu ile kullanma suyunun temini, akarsulardaki kirlilik seviyesi ve baraj, bağlama gibi su yapılarınınprojelendirilmesi gibi çalışmalarda sediment miktarının tahmini çok önemlidir. Bu çalışmada, Fırat Havzası üzerindeki Göynük Çayı, Murat Nehri ve Peri Suyu gibi nehirler sediment taşınımı konusunda irdelenmiştir. Bölgedeki istasyonlar için yapay sinir ağları (YSA) ve uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS) gibi yöntemler denenmiştir. Bu üç istasyona ait uygulamalarda debi(Q), sediment(Qs), sıcaklık(T) ve yağış(P) verilerinden faydalanılmıştır. Bu veriler ile üç istasyon için sediment tahmin modelleri oluşturulmuştur. Oluşturulan bu modeller hem eğitim hem de test aşamalarında regresyon katsayısı (R2) ve ortalama yüzde hatası (OYH) bakımından karşılaştırılmıştır. Regresyon katsayısı bakımındaneğitim ve test aşamalarında en başarılı sonuç yapay sinir ağlarından elde edilmiştir. Ortalama yüzde hatası bakımından ise YSA ve ANFIS yöntemlerinden hem eğitim hem de test aşamalarında birbirlerine yakın sonuçlar elde edilmiştir.
AtıfTR Dizin4İncele - MakaleYalnız künye2020Detection of Sediment Transport with Artificial Intelligence Models Formed by Using K-Means Clustering Algorithm
Acar, Ramazan; Saplioglu, Kemal
It isimportant to detect sediment load truly in the project process of water structures such as both dam and regulator to determine pollution level, to use and to supply potable water. In this work, methods such as Adaptive Neuro Fuzzy Interference Systems (ANFIS), Artificial Neural Networks (ANN) and Multiple Linear Regression (MLR) are experienced for three Flow Observation Stations on Fırat Basin. K-Means Clustering Algorithm is used to select Clustering numbers of ANFIS Models being formed. Sediment (Qs), Precipitation (P), Flow rate (Q) and temperature (P) data from each station are used in this study. Sediment estimation model is developed for each station by using the data. The value of the day when precipitation occurs (P), the value of the day before precipitation occurs (P-1), flow and temperature rates are used as input factors; sediment concentration is used as output factors. The model being formed is compared for all of the stations with regard to regression coefficient (R2 ) and mean percentage error (MPE) in both education and test stages. As a consequence of the analysis, subset numbers of ANFIS model being formed by determining subset of K-Means Clustering Algorithm has more successful results instead of ANFIS Models being randomly formed. It is also observed that the Models of ANFIS and ANN methods have closer results to the values being observed when they are compared to MLR methods.
AtıfTR Dizin7İncele - MakaleYalnız künye2020Scopus SJRQ2Optimization of open channels using particle swarm optimization algorithm
Saplioglu, Kemal; Ozturk, Tulay Sugra Kucukerdem; Acar, Ramazan
Due to recent increasing water demand, planning and projecting of water resources has resulted in increased costs. There-fore, it is important to obtain optimum results in project planning. In this study, dimensioning of open channels used espe-cially for irrigation purposes has been studied using a particle swarm optimization algorithm to investigate optimum base width, channel height, and slope angles. The results are summarized in graphs and tables. In the study, it was found that the optimum slope angle varied between 0. 200. 45. Furthermore, it was found that increasing the slope angle significant-ly increased costs. Finally, the increase in flow increases costs but the rate of increase diminishes.
AtıfScopus6WoS6OpenAlex9
İncele