Yapay Sinir Ağı ve Bulanık-Yapay Sinir Ağı Yöntemleri Kullanılarak Tava Buharlaşma Tahmini
|
|
- Pembe Erim
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Tarım Blmler Araştırma Dergs 3 (): 45-5, 00 ISSN: , E-ISSN: X, Yapay Snr Ağı ve Bulanık-Yapay Snr Ağı Yöntemler Kullanılarak Tava Buharlaşma Tahmn Özgür KIŞI Selcan AFŞA Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü, KAYSEI *Sorumlu Yazar ks@ercyes.edu.tr Özet Buharlaşma, hdrolok çevrmn ana bleşen olarak, su kaynaklarının gelştrlmes ve yönetlmes çn önemldr. Lteratürde bulanık mantık ve yapay snr ağlarına dayalı buharlaşma tahmn modeller le lgl sınırlı sayıda çalışma bulunmaktadır. Bu nedenle, bu çalışmada buharlaşmanın tahmn çn yapay snr ağı ve bulanık yapay snr ağı modeller gelştrlmştr. Bu çalışmada; Kayser, Kırşehr, Nevşehr ve Yozgat llerndek dört stasyondan alınan günlük ortalama sıcaklık (OS), mnmum sıcaklık (MİS), maksmum sıcaklık(mas), ortalama nem (ON) ve buharlaşma verler kullanılmıştır. Çok katmanlı yapay snr ağları (), radyal tabanlı yapay snr ağları (), genelleştrlmş regresyon yapay snr ağları (), bulanık yapay snr ağı () ve çoklu doğrusal regresyon () metotları meteorolok verlerden oluşan farklı grş kombnasyonlarına uygulanarak tava buharlaşma tahmnler yapılmış, herbr değşkenn buharlaşmaya olan etks ncelenmş ve sonuçlar brbrler le karşılaştırılmıştır. Karşılaştırma krterler olarak karekök ortalama karesel hata (KOKH), ortalama mutlak hata (OMH) ve korelasyon katsayıları () kullanılmıştır. KOKH ve krterlerne göre 3 stasyonda nın, ve modellerne göre daha y olduğu, sadece stasyonda nn dan braz daha y olduğu görülmüştür. OMH krterne göre stasyonda nın, stasyonda n, kalan stasyonda da nun dan braz daha y sonuçlar verdğ görülmüştür. Anahtar kelmeler: Buharlaşma, Yapay Snr Ağları, Bulanık Mantık, Tahmn. Pan Evaporaton Estmaton Usng Neural Networks and Neuro-Fuzzy Methods Abstract Evaporaton, as a maor component of the hydrologc cycle, s mportant n water resources development and management. The applcaton of artfcal neural networks and fuzzy logc to evaporaton modelng are lmted n the lterature. Therefore, the artfcal neural network and neurofuzzy models for estmaton of pan evaporaton usng clmatc varables were nvestgated n the study. The daly mean ar temperature, mnmum temperature, maxmum temperature and mean humdty and pan evaporaton data of four weather statons n Kayser, Kırşehr, Nevşehr and Yozgat were used. Varous nput combnatons of weather data were used as nputs to the mult-layer perceptron (MLP), radal bass neural networks (BNN), generalzed regresson neural networks (GNN), neuro-fuzzy () and multple lnear regresson (ML) so as to evaluate degree of effect of each of these data on evaporaton and to compare the models wth each other. oot mean square error (MSE), mean absolute error (MAE) and correlaton coeffcent () were used as comparng crtera. Accordng to the MSE and statstcs, the BNN was found to be superor to the, MLP, GNN and ML for 3 statons and ML was found to be slghtly better than the BNN for staton. Accordng to the MAE statstc, the BNN performed better than the others for statons and the and ML were found to be better than the BNN for the other statons. Key words: Evaporaton, artfcal neural networks, fuzzy logc, estmaton. GIIŞ Buharlaşma, yeryüzünde sıvı ve katı halde değşk şekl ve şartlarda bulunan suyun meteorolok faktörler etksyle atmosfere gaz halnde dönüşü olarak tarf edlr. Yeryüzüne düşen yağışın büyük br kısmı tutma, buharlaşma ve terleme yoluyla, akış halne geçmeden atmosfere ger döner. Bu kayıpların belrlenmes özellkle kurak mevsmlerde hdrolok bakımdan büyük önem taşır. Suyun sıvı halden gaz halne geçmes buharlaşma olarak tanımlanır. Yeterl br knetk ener kazanan su yüzeyndek moleküller, kendlern tutmaya çalışan dğer moleküllern çekmnden kurtulup su ortamından havaya fırlarlar. Su yüzey yakınlarında sürekl olarak sudan havaya, havadan suya geçen moleküller mevcuttur. Sudan havaya geçen moleküllern sayısı daha fazla se buharlaşmanın olduğu kabul edlr []. Buharlaşmanın doğru br şeklde tahmn, su kaynaklarının y br şeklde planlanması ve yönetm çn gerekmektedr. Lteratürde yapay snr ağlarına (YSA) dayalı buharlaşma tahmn modeller le lgl brçok çalışma vardır [-6]. Bu çalışmaların brçoğunda Çok katmanlı yapay snr ağları () ı kullanılmıştır. Bununla brlkte, radyal tabanlı yapay snr ağları (), genelleştrlmş regresyon yapay snr ağları () ve bulanık yapay snr ağının () buharlaşma
2 46 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, 00 tahmnndek kullanımı le lgl sınırlı sayıda çalışma bulunmaktadır [4-6]. Bundan dolayı bu çalışmada,, ve modeller gelştrlerek tava buharlaşması tahmn edlmş ve sonuçlar brbrler le karşılaştırılmıştır. ÇALIŞMADA KULLANILAN METOTLA Çok Katmanlı Yapay Snr Ağları (), farklı ağırlıklarla brbrne bağlı brçok şlem elemanlarından oluşmuş yoğun paralel sstemlerdr. Şekl, üç tabakalı br nın genel yapısını göstermektedr. Burada grd tabakası, gzl tabaka ve k çıktı tabakası, A ve A k se hücre tabakaları arasındak bağlantı ağırlıklarıdır. Başlangıçta rastgele atanan ağırlık değerler, eğtme sürecnde tahmn edlen çıktılarla gerçek çıktı değerler karşılaştırılarak devamlı değştrlr ve hataları mnmum yapan bağlantı ağırlık değerler ayarlanıncaya kadar hatalar gerye doğru (Şekl de sağdan sola) yayılır. Burada ağırlıkları ayarlamak çn kullanılan metot, Levenberg-Marquardt metodudur [7]. Şekl de ve k tabakalarındak herbr hücre, öncek tabakadan NET ağırlıklı toplam çıktılarını grd olarak alır. NET değer () eştlğ le hesaplanır. Burada D grd vektörünün boyutu, θ taraflılık sabt(bas), A ve tabakaları arasındak ağırlıklar kümes, Ç p p örneğ çn tabakasının çıktı kümesdr. ve k tabakalarındak herbr hücre, NET değern doğrusal olmayan br tasvr fonksyonundan geçrerek f(net) çıktısını üretr. Yaygın şeklde kullanılan bu tasvr fonksyonu, f ( NET ) = NET + e () şeklnde fade edlr. () Eğtme aşamasında, p örneğ çn toplam hata H p, tahmn edlen ve gerçek çıktılar arasındak karelern farkına bağlı olarak (3) eştlğyle hesaplanır. GİDİ D Şekl. Üç tabakalı Şekl. br Üç tabakalı yapay br snr yapay ağı snr ağı A E A k k F ÇIKTI (3) Burada N terasyon sayısı olmak üzere G pk ve Ç pk sırası le p örneğ çn gerçek ve tahmn edlen çıktı değerlerdr. Herbr bağlantı ağırlığı, A, (4) eştlğ le yenlenr. (4) Burada J, hataların ağırlıklara göre türevlern çeren Jacoban matrsn; J T, Jacoban matrsnn transpozesn; I, brm matrs ve μ se yakınsama hızını etkleyen br parametrey fade etmektedr. μ değer büyüdüğünde eştlk eğm azaltma algortmasına, küçüldüğünde se eştlk Gauss-Newton algortmasına dönüşür. adyal Tabanlı Yapay Snr Ağları () adyal tabanlı yapay snr ağlarında () temel fkr, br grup radyal taban fonksyonu stenen f fonksyonuna yaklaşacak şeklde ağırlıklandırarak toplamaktan barettr [8]. üç katmanlı br yapıdır. Grş katmanı grş vektör uzayı le, çıkış katmanı da örüntü sınıfları le lşkldr. Böylelkle tüm yapı, gzl katmanın yapısı ve gzl katman le çıkış katmanı arasındak ağırlıkların belrlenmesne ndrgenr. Gzl katmandak nöronların aktvasyon fonksyonları br C merkez ve σ bant genşlğ le belrlenr. Aktvasyon fonksyonu, X C ϕ = ( X ) exp σ (5) eştlğ le tanımlanan br Gauss eğrsdr. Çıkış katmanındak. nöronun çıkışı çn genel eştlk se şu şekldedr: K s ( X ) = w ϕ ( X ) + b = (6) Burada w gzl nöron ve çıkış nöronu arasındak ağırlık katsayısı, b se taraflılık sabtdr [9]. Genelleştrlmş egresyon Yapay Snr Ağları (), grş, örüntü, toplama ve çıkış tabakaları olmak üzere dört tabakadan oluşmaktadır. Grş tabakasında grş parametre sayısı kadar eleman kullanılmaktadır. Grş tabakası, örüntü tabakasına ağırlıklarla bağlanmıştır. Örüntü tabakasındak elemanlar, herbr grşn kayıtlı örüntülerden olan uzaklık blgsn çermektedr. Bu tabakadak herbr eleman br sonrak tabakadak S ve D toplama elemanlarına bağlıdır. S toplama elemanı örüntü tabakasından gelen çıkışları ağırlıklı olarak toplar. D toplama elemanı se örüntü tabakasından gelen çıkışları ağırlıksız olarak toplar. Örüntü tabaksındak. eleman le S toplama elemanı
3 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, arasındak bağlantı ağırlığı, hedef çıkışı olan y dr. D toplama elemanının ağırlığı se dr. Çıkış tabakası sadece S toplama elemanı çıkışını D toplama elemanının çıkışına bölerek x grş vektörüne karşılık gelen tahmn edlen değer verr (Eştlk 7). ) y ( x) = n = y n = exp exp [ D( x, x )] [ D( x, x )] Burada n eğtmede kullanılan örnek sayısını göstermektedr. Eştlk (8) dek Gaussan D fonksyonu 8 eştlğ le tanımlanır. p x x D( x, x ) = = ζ (8) (7) Burada p grş vektöründek eleman sayısını göstermektedr. x ve x se sırasıyla x ve x nn. elemanını göstermektedr. ζ se dağılım faktörünü göstermektedr k bu faktör deneme yanılma le belrlenr. hakkında daha ayrıntılı blgye lgl lteratürden ulaşılablr [0- ]. Bulanık Yapay Snr Ağları () Mamdan tp bulanık sstemlerde genel olarak grd yan ver tabanındak blgler ve çıktılar bulanık değerlerden oluşmaktadır. Bu tür br bulanık sstemn en öneml mahzuru, sayısal olan ver tabanının genel bulanık ssteme grememes ve çıktıların sayısal olmaması dolayısı le mühendslk tasarımlarında doğrudan kullanılamamasıdır []. Mamdan tp bulanık sstemlern mahzurlarını br dereceye kadar ortadan kaldırablmek çn Takag ve Sugeno [3], Sugeno ve Kank [4] tarafından teklf edlen ve Takag-Sugeno-Kank (TSK) bulanık sstem denlen sstem kullanılmaktadır. Bu tür bulanık sstemlerde ver tabanındak grdler brer sayı, bulanık kural ve çıkarım motorunun çalışması sonunda elde edlen çıktılar se grdlern br fonksyonu şeklndedr. Yan kural tabanındak öncül kısımların değşkenler olduğu gb İSE den sonrak kural soncul kısmına bu değşkenlern brer doğrusal fonksyonu olarak yansıtıldığı düşünülmüştür []. GİİŞ VEİLEİ BULANIK KUAL TABANI AĞILIKLI OTALAMA Şekl. Takag-Sugeno-Kank (TSK) bulanık sstem. Şekl. Takag-Sugeno-Kank (TSK) bulanık sstem. ÇIKIŞ VEİLEİ Bütün kuralların soncul kısımları çoklu doğrusal denklemlerden barettr. Böyle br yapıya sahp olan bulanık sstemde soncullar bulanık küme şeklnde olmadıklarından, herbr kuralın öncül kısmından hesaplanan üyelk dereceler ağırlık olmak üzere ağırlıklı br çıkarım yapılmaktadır (Şekl ). Bu çalışmada Şekl dek gb br sstem oluşturularak, grş üyelk fonksyonları ve çıkış denklemlernn parametreler eğm azaltma algortması ve en küçük kareler yöntem le elde edlmştr. Bunun çn MATLAB programlama dl kullanılmıştır. Grş üyelk fonksyonların parametreler (9) eştlğ kullanılarak yenlenmştr. E α = η (9) α Burada α = α parametresnn ardışık k terasyondak değerlernn farkı, E/ α = E toplam karesel hatanın α parametresne göre türev ve h = öğrenme oranıdır. Eğm azaltma algortması ayrıntılı olarak Haykn [5] te bulunablr. Bulanık modeln çıkış denklemler (0) eştlğ le matrs şeklnde yazılablr. A θ = y (0) Burada A = parametrelern ağırlık değerlern (bu değerler blnyor) çeren matrs, q = parametreler çeren br vektör (parametre değerler blnmyor), y = çıkış değerlernden oluşan br vektördür. q parametreler vektörü () eştlğ le en küçük kareler yöntem kullanılarak hesaplanır. θ = T T ( A A) A y () Burada A T = A matrsnn taranspozes, (A T A) - = A T ve A çarpımının tersdr. TSK bulanık mantık modelnn parametrelernn elde edlmes ayrıntılı olarak Jang [6] da bulunablr. UYGULAMA Uygulamada dört farklı yapay zeka yöntem kullanılmıştır. Bunlar, çok katmanlı yapay snr ağları (), radyal tabanlı yapay snr ağları (), genelleştrlmş regresyon yapay snr ağları () ve bulanık yapay snr ağları () dır. Yapay zeka modellernn gelştrlmes amacıyla MATLAB programlama dlnde dört farklı kod hazırlanmıştır. YSA yöntemler uygulanmadan önce verler [0.,0.8] aralığında normalze edlmştr. Modellern tahmn sonuçları karekök ortalama karesel hata (KOKH), ortalama mutlak hata (OMH) ve korelasyon katsayısı () krterlerlerne göre karşılaştırılmıştır. N toplam ver sayısı olmak üzere KOKH ve OMH nın fadelernn formüller aşağıda verlmştr. ()
4 48 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, 00 (3) Burada Y gözlenen gerçek buharlaşma değern, Y tahmn hesaplanan buharlaşma değern fade etmektedr. N se toplam grd sayısıdır.,,, ve çoklu doğrusal regresyon () yöntemlernden oluşturulan modellere meteorolok verlerle farklı grd kombnezonları uygulanmıştır.. Kombnezon çn ortalama nem,. Kombnezon çn ortalama sıcaklık ve ortalama nem, 3. Kombnezon çn ortalama sıcaklık, ortalama nem ve mnmum sıcaklık, 4. Kombnezon çn ortalama sıcaklık, mnmum sıcaklık, maksmum sıcaklık ve ortalama nemden oluşan değşk kombnezonlar denenerek herbr değşkenn buharlaşmaya olan etks ncelenmştr. Tablo de Yozgat İstasyonu çn elde edlen modeller karşılaştırılmaktadır. Kombnezonlardak en küçük KOKH, OMH ve en büyük değerlernden en y model tespt edlmş ve koyu renk le gösterlmştr. ve modeller çn; ortalama nem, ortalama sıcaklık ve mnmum sıcaklık grş vektörlü 3.kombnezonun;,, modeller çn; ortalama nem, ortalama sıcaklık, mnmum sıcaklık ve maksmum sıcaklık grş vektörlü 4. kombnezonun en y sonuçları verdğ görülmüştür. Modeller karşılaştırıldığında KOKH ve krterlerne göre yöntemnn, OMH krterne göre se yöntemnn dğer modellere göre daha Tablo. Yozgat merkez stasyonu çn oluşturulan modellern performanslarının karşılaştırılması. KOKH OMH Ort. Nem,797,4779 0,4948 Ort. Nem+Ort. Sıc,480,463 0,706 Ort. Nem+Ort. Sıc+Mn. Sıc,989,085 0,7744 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,308,066 0,774 Ort. Nem,7965,480 0,495 Ort. Nem+Ort. Sıc,38,0488 0,7657 Ort. Nem+Ort. Sıc+Mn. Sıc,958,058 0,7748 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,88,0070 0,7796 Ort. Nem,7888,473 0,4967 Ort. Nem+Ort. Sıc,368,043 0,7680 Ort. Nem+Ort. Sıc+Mn. Sıc,88,058 0,7770 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,803,0090 0,7804 Ort. Nem,80,49 0,489 Ort. Nem+Ort. Sıc,3395,074 0,760 Ort. Nem+Ort. Sıc+Mn. Sıc,303,0396 0,777 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,3048,0380 0,7780 Ort. Nem,9870,4349 0,496 Ort. Nem+Ort. Sıc,36,0476 0,7665 Ort. Nem+Ort. Sıc+Mn. Sıc,950,08 0,7757 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,977,03 0,774 Şekl 3. Yozgat merkez stasyonu çn oluşturulan modellern test aşamasındak tahmn sonuçları le gözlenen değerlern karşılaştırılması. y sonuçlar verdğ görülmektedr.,,, ve modeller çn, dört ayrı grd kombnezonundan elde edlen en y buharlaşma tahmn sonuçlarının ve meterolok ölçüm değerlernn grafksel olarak karşılaştırılması aşağıdak gbdr. Yozgat merkez stasyonu çn Şekl 3 te verlen grafklerden yöntemlerle lgl açıkça br yorum yapılamamakla brlkte, krterne göre en y tahmnn yöntemyle yapıldığı görülmektedr. Tablo de Kayser İstasyonu çn elde edlen modeller karşılaştırılmaktadır. model çn 3.kombnezonun,,,, modeller çn se 4. kombnezonun en y sonuçları verdğ görülmüştür. Bu stasyonda da, KOKH ve krterlerne göre yöntemnn, OMH krterne göre dan küçük br farkla, yöntemnn dğer modellere göre daha y sonuçlar verdğ görülmektedr. Modellern grafksel olarak karşılaştırılması Şekl 4 te verlmştr. krterne göre en y tahmnn yne yöntemyle yapıldığı görülmektedr. Tablo 3 te Kırşehr İstasyonu çn elde edlen modeller karşılaştırılmaktadır.,,, modeller çn 3.kombnezonun, model çn de 4. kombnezonun en y sonuçları verdğ görülmüştür. Tablo 3 ten dğer stasyonlardan farklı olarak; KOKH, OMH ve krterlernn üçü çn de yöntemnn dğer modellere göre daha y sonuçlar verdğ görülmektedr.
5 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, Tablo. Kayser merkez stasyonu çn oluşturulan modellern performanslarının karşılaştırılması. Tablo 4. Nevşehr merkez stasyonu çn oluşturulan modellern performanslarının karşılaştırılması. KOKH OMH KOKH OMH Ort. Nem,857,459 0,494 Ort. Nem+Ort. Sıc,479,54 0,74 Ort. Nem+Ort. Sıc+Mn. Sıc,4490,30 0,778 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,446,60 0,730 Ort. Nem,8303,4646 0,4888 Ort. Nem+Ort. Sıc,48,547 0,74 Ort. Nem+Ort. Sıc+Mn. Sıc,45,39 0,767 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,4843,58 0,7 Ort. Nem,9563,604 0,3556 Ort. Nem+Ort. Sıc,4750,59 0,748 Ort. Nem+Ort. Sıc+Mn. Sıc,449,7 0,73 Ort. Nem,7453,365 0,435 Ort. Nem+Ort. Sıc,5385,57 0,5934 Ort. Nem+Ort. Sıc+Mn. Sıc,5444,446 0,593 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,565,638 0,586 Ort. Nem,3,5836 0,340 Ort. Nem+Ort. Sıc,5437,60 0,5905 Ort. Nem+Ort. Sıc+Mn. Sıc,546,446 0,590 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,530,48 0,6004 Ort. Nem,753,3655 0,4 Ort. Nem+Ort. Sıc,5360,50 0,599 Ort. Nem+Ort. Sıc+Mn. Sıc,5337,66 0,5985 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,4378,65 0,7344 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,53,63 0,6050 Ort. Nem,854,466 0,499 Ort. Nem,7434,3668 0,467 Ort. Nem+Ort. Sıc,490,685 0,7084 Ort. Nem+Ort. Sıc+Mn. Sıc,4584,390 0,737 Ort. Nem+Ort. Sıc,568,744 0,5680 Ort. Nem+Ort. Sıc+Mn. Sıc,85,650 0,3456 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,4495,353 0,790 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,63,6365 0,376 Ort. Nem 3,049,55 0,4834 Ort. Nem 3,4565,9045 0,475 Ort. Nem+Ort. Sıc,4767,55 0,77 Ort. Nem+Ort. Sıc+Mn. Sıc,4639,4 0,797 Ort. Nem+Ort. Sıc,538,539 0,594 Ort. Nem+Ort. Sıc+Mn. Sıc,547,533 0,593 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,4593,465 0,73 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,59,39 0,6069 Tablo 3. Kırşehr merkez stasyonu çn oluşturulan modellern performanslarının OKKH OMH Ort. Nem,850,306 0,585 Ort. Nem+Ort. Sıc,3639,849 0,74 Ort. Nem+Ort. Sıc+Mn. Sıc,809,693 0,784 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,036,704 0,7766 Ort. Nem,854,3070 0,586 Ort. Nem+Ort. Sıc,3785,8637 0,7408 Ort. Nem+Ort. Sıc+Mn. Sıc,093,78 0,7744 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,5,78 0,7744 Ort. Nem 3,0309,3677 0,504 Ort. Nem+Ort. Sıc,3560,8488 0,749 Ort. Nem+Ort. Sıc+Mn. Sıc,555,6858 0,789 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,86,6874 0,786 Ort. Nem,8686,39 0,5804 Ort. Nem+Ort. Sıc,457,8904 0,7368 Ort. Nem+Ort. Sıc+Mn. Sıc,600,7697 0,773 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,86,790 0,7680 Ort. Nem 5,06 4,87 0,574 Ort. Nem+Ort. Sıc,3697,8544 0,7397 Ort. Nem+Ort. Sıc+Mn. Sıc,855,7876 0,7563 Ort. Nem+Ort. Sıc+Mn. Sıc+Max. Sıc.,85,7864 0,757 Şekl 4. Kayser merkez stasyonu çn oluşturulan modellern test aşamasındak tahmn sonuçları le gözlenen değerlern karşılaştırılması.
6 50 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, 00 Şekl 5. Kırşehr merkez stasyonu çn oluşturulan modellern test aşamasındak tahmn sonuçları le gözlenen değerlern karşılaştırılması. Şekl 6. Nevşehr merkez stasyonu çn oluşturulan modellern test aşamasındak tahmn sonuçları le gözlenen değerlern karşılaştırılması. Herbr modeln en y grd kombnezonundan elde edlen buharlaşma tahmn sonuçları ve meterolok ölçüm değerlernn karşılaştırılması Şekl 5 te yapılmıştır. Saçılma dyagramlarına bakıldığında nın dğerlerne göre daha y olduğu söyleneblr. Tablo 4 te Nevşehr İstasyonu çn elde edlen modeller karşılaştırılmaktadır., modeller çn.kombnezonun,,,, modeller çn 4. kombnezonun en y sonuçları verdğ görülmüştür. Tablo 4 ten OMH krterne göre yöntemnn dğer modellere göre daha y olduğu görülmektedr., KOKH ve krterlerne göre dan braz daha y görünmektedr. Her ne kadar doğrusal br model olsa da bazı durumlarda y sonuçlar verdğ gözardı edlmemeldr.,,, ve modeller çn, dört ayrı grd kombnezonundan elde edlen en y buharlaşma tahmn sonuçlarının ve meterolok ölçüm değerlernn grafksel olarak karşılaştırılması Şekl 6 da yapılmıştır. Yozgat merkez stasyonu çn Şekl 6 da krterne göre en y tahmnn yöntemyle yapıldığı açıkça görülmektedr. regresyon () yöntemlernn buharlaşmanın tahmnndek performansları araştırılmıştır. Kayser, Kırşehr, Nevşehr ve Yozgat llerne at günlük ortalama sıcaklık, mnmum sıcaklık, maksmum sıcaklık, ortalama nem ve buharlaşma verler kullanılmıştır. Buharlaşmanın tahmn çn meteorolok değşkenler çeren farklı grd kombnezonları denenmştr. Kayser, Kırşehr, Nevşehr, Yozgat merkez stasyonları çn oluşturulan modellern performansları değerlendrlmş ve herbr yöntem çn en y grd kombnezonu seçlmş ve sonuçlar karşılaştırılmıştır. Modellere uygulanan dört farklı kombnezondan genel olarak en y sonuçları 4. kombnezon vermş, bazı modeller çn 3. kombnezon, sadece br stasyonda. kombnezonun daha y sonuçlar verdğ görülmüştür. Bütün stasyonlarda en kötü sonuçlar. kombnezondan elde edlmştr. KOKH ve krterlerne göre 3 stasyonda nın, ve modellerne göre daha y olduğu, sadece stasyonda nn dan braz daha y olduğu görülmüştür. OMH krterne göre stasyonda nın, stasyonda n, kalan stasyonda da nun dan braz daha y sonuçlar verdğ görülmüştür. Herbr stasyondan seçlen en y model ve kombnezonlar saçılma dyagramlarına göre değerlendrlecek olursa; 3 stasyonda nın, sadece stasyonda un dğer, ve modellerne göre daha y sonuçlar verdğ görülmüştür. SONUÇLA Bu çalışmada, çok katmanlı yapay snr ağları (), radyal tabanlı yapay snr ağları (), genelleştrlmş regresyon yapay snr ağları (), bulanık yapay snr ağı () ve çoklu doğrusal
7 Ö. Kş ve S. Afşar / Tabad 3 (): 45-5, 00 5 Buharlaşmanın doğasından kaynaklanan doğrusal olmayan karmaşık lşkler olmasına rağmen, doğrusal br yöntem olan yöntemnn sadece Nevşehr stasyonu çn y sonuçlar verdğ görülmüştür. Devlet Meteorolo İşler (DMİ) stasyonlarında yılın her günü ölçüm yapılmaması, ölçümlern hatalı olablme htmalnn bulunması, buharlaşmayı etkleyen güneş radyasyonu, rüzgar hızı ve basınç gb dğer verlern DMİ den elde edlememes nedenyle sadece nem ve sıcaklık verlernn kullanılması modellern buharlaşma tahmnndek performanslarını olumsuz yönde etklemştr. [4] Sugeno, M. ve Kank, G.T Structure dentfcaton of fuzzy model, Fuzzy Sets and Systems, 8(), [5] Haykn, S Neural Networks - A Comprehensve Foundaton (nd. ed.). Prentce- Hall, Upper Saddle ver, NJ, 6-3. [6] Jang, J.-S : adaptve-network-based fuzzy nference system, IEEE Trans. Sys. Manage. and Cybernetcs, 3(3), KAYNAKLA [] Bayazıt, M Hdrolo, İstanbul Teknk Ünverstes, İnşaat Fakültes Matbaası, İstanbul. [] Sudheer, P.K., Gosan, A.K., Mohana,.D. ve Saheb, S.M. 00. Modelng Evaporaton Usng an Artfcal Neural Network Algorthm. Hydrologcal Process, 6, [3] Keskn, M.E. ve Terz, O Artfcal neural network models of daly pan evaporaton. J. of Hydrologc Engneerng, (), [4] Ks, O Daly pan evaporaton modellng usng a neuro-fuzzy computng technque, J. of Hydrology, 39, [5] Ks, O. 009a. Daly pan evaporaton modelng usng mult-layer perceptrons and radal bass neural networks, Hydrologcal Processes, 3, 3-3. [6] Ks, O. 009b. Modelng monthly evaporaton usng two dfferent neural computng technques. Irrgaton Scence, 7(5), [7] Marquardt, D An algorthm for least squares estmaton of non-lnear parameters, J.Soc.Ind. Appl.Math., [8] Verleysen, M. ve Hlavackova, K An Optmzed BF Network For Approxmaton of Functons, oceedngs European Symposum on Artfcal Neural Networks, Brussels, Belgum, pp [9] Paredes, V. ve Vdal, E A Class-Dependent Weghted Dssmlarty Measure for Nearest Neghbor Classfcaton Problems, Pattern ecognıtıon Letters, Vol., pp [0] Specht, D.F. 99. A general regresson neural network, IEEE Transactons on Neural Networks, (6), [] Tsoukalas, L.H. ve Uhrg,.E Fuzzy and neural approaches n engneerng. NewYork: Wley. [] Şen, Z Mühendslkte Bulanık (Fuzzy) Modelleme İlkeler, İTÜ, İnşaat Fak, İnşaat Müh. Böl., Hdrolk A.B.D., İstanbul, 999. [3] Takag, K.I. ve Sugeno, M Fuzzy dentfcaton of systems and ts applcatons to modelng and control, IEEE Trans. On Systems, Man and Cybern, 5(), 6-3.
ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıBulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi
Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
DetaylıMeteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi
KSÜ Fen ve Mühendslk Dergs, 10(1), 2007 148 KSU Journal of Scence and Engneerng, 10(1), 2007 Meteorolojk Verlern Yapay Snr Ağları Đle Modellenmes Kemal ATĐK 1, Emrah DENĐZ 1, Enver YILDIZ 2 1 ZKÜ. Karabük
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıPÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI
PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser
DetaylıSinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini
Snrsel Bulanık Sstemler İle Trafk Gürültüsünün Tahmn Ahmet Tortum Yrd. Doç. Dr.,Atatürk Ünverstes,Mühendslk Fakültes,İnşaat Bölümü,Erzurum E-posta : atortum@ataun.edu.tr Yasn Çodur Arş.Gör., Atatürk Ünverstes,Mühendslk
DetaylıSTANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA
STANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA Canan ŞENOL Tülay YILDIRIM Kadr Has Ünverstes, Elektronk Mühendslğ Bölümü, 3430, Cbal, Fath-İstanbul Yıldız Teknk Ünverstes, Elektronk
DetaylıKAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 1999 : 5 : 1 : 951-957
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıTuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi
Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS
DetaylıMakine Öğrenmesi 6. hafta
Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıMAK 744 KÜTLE TRANSFERİ
ZKÜ Fen Blmler Ensttüsü Makne Mühendslğ Anablm alı MAK 744 KÜTLE TRANSFERİ TERMOİNAMİK ve TRANSPORT BÜYÜKLÜKLERİNİN HESAPLANMASI İÇİN FORMÜLLER VE TABLOLAR Mustafa EYRİBOYUN ZONGULAK - 007 1. TERMOİNAMİK
DetaylıFAKTÖRİYEL TASARIMA ADAPTİF AĞ TABANLI BULANIK MANTIK ÇIKARIM SİSTEMİ İLE FARKLI BİR YAKLAŞIM. Sevil ŞENTÜRK
FAKTÖRİYEL TASARIMA ADAPTİF AĞ TABANLI BULANIK MANTIK ÇIKARIM SİSTEMİ İLE FARKLI BİR YAKLAŞIM Sevl ŞENTÜRK Anadolu Ünverstes, Fen Fakültes, İstatstk Bölümü,26470, ESKİŞEHİR, e-mal:sdelgoz@anadolu.edu.tr
DetaylıPOLİNOMLARLA VE BULANIK MANTIK İLKELERİNE GÖRE GEOİT BELİRLEMENİN PRESİZYONA ETKİSİ
TMMOB Harta ve Kadastro Mühendsler Odası 0. Türkye Harta Blmsel ve Teknk Kurultayı 8 Mart - Nsan 00, Ankara POLİNOMLARLA VE BULANIK MANTIK İLKELERİNE GÖRE GEOİT BELİRLEMENİN PRESİZONA ETKİSİ M. ılmaz,
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
DetaylıBulanık-Sinir Ağı Yapısı İçin Yeni Bir Karma Yaklaşım
Bulanık-Snr Ağı Yapısı İçn Yen Br Karma Yaklaşım Canan ŞENOL, Tülay YILDIRIM Mühendslk Fakültes, Elektronk Mühendslğ Bölümü Kadr Has Ünverstes canan@khas.edu.tr Elektrk-Elektronk Fakültes, Elektronk ve
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıDEFORMASYONLARIN MODELLENMESİ. Levent TAŞÇI 1 ltasci@firat.edu.tr
DFORMSYOLRI MODLLMSİ Levent TŞÇI 1 ltasc@frat.edu.tr Öz: Deformasyonların belrleneblmes çn farklı çalışma grupları tarafından ortaya konulmuş farklı yaklaşımlar söz konusudur. Deformasyon analznde, bloklar
DetaylıK-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *
İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü
ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta
DetaylıSİLİS DUMANI KATKILI BETONLARIN ÇARPMA DAYANIMININ YAPAY SİNİR AĞI İLE BELİRLENMESİ
ISSN:1306-3111 e-journal of New World Scences Academy 2008, Volume: 3, Number: 1 Artcle Number: A0046 NATURAL AND APPLIED SCIENCES CIVIL ENGINEERING Receved: June 2007 Accepted: December 2007 2008 www.newwsa.com
DetaylıTRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI
ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU
DetaylıTÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI
1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde
DetaylıKonumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği
S. ZENGİN KAZANCI, E. TANIR KAYIKÇI Konumsal Enterpolasyon Yöntemler Uygulamalarında Optmum Parametre Seçm: Doğu Karadenz Bölges Günlük Ortalama Sıcaklık S. ZENGİN KAZANCI 1, E. TANIR KAYIKÇI 1 1 Karadenz
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıROBİNSON PROJEKSİYONU
ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı
DetaylıPARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ
PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ Necla ÖZKAYA Şeref SAĞIROĞLU Blgsayar Mühendslğ Bölümü, Mühendslk Fakültes, Ercyes Ünverstes, 38039, Talas, Kayser Gaz Ünverstes,
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıİÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ
Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıProf. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna
Anadolu Ünverstes Sosyal Blmler Dergs Anadolu Unversty Journal of Socal Scences Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıKAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI
KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI Cem Celal TUTUM İ.T.Ü. ROTAM, Makne Yük. Müh. ÖZET: Bu çalışmada düzlemsel kafes sstemlern belrl
DetaylıÜç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü
ECAS Uluslararası Yapı ve Deprem Mühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye Üç Boyutlu Yapı-Zemn Etkleşm Problemlernn Kuadratk Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıDOĞRUSAL OLMAYAN DİZGELER İÇİN MODEL TEMELLİ ARIZA BULMA-YALITIMI VE ROBOT MANİPÜLATÖRLERE UYGULANMASI
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 4, No, 79-94, 009 Vol 4, No, 79-94, 009 DOĞRUSAL OLMAYAN DİZGELER İÇİN MODEL TEMELLİ ARIZA BULMA-YALITIMI VE ROBOT MANİPÜLATÖRLERE UYGULANMASI
DetaylıJournal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi
Journal of Engneerng and atural Scences Mühendslk ve Fen Blmler Dergs Sgma 9, -4, 0 Research Artcle / Araştırma Makales FUZZY TOPSIS METHODS I GROUP DECISIO MAKIG AD A APPLICATIO FOR BAK BRACH LOCATIO
DetaylıBulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center
DetaylıSaklı Markov Modeli Kullanarak Türkçe Konuşma Tanıma
Saklı Markov Model Kullanarak Türkçe Konuşma Tanıma Özlem Yakar, Rıfat Aşlıyan Adnan Menderes Ünverstes, Matematk Bölümü, Aydın ozlemyakar.34@gmal.com, raslyan@adu.edu.tr Özet: Konuşma tanıma, sesl fadelern
DetaylıEVRİMSEL ALGORİTMA İLE SINIRLANDIRMALI DİNAMİK OPTİMİZASYON
EVRİMEL ALGORİTMA İLE INIRLANDIRMALI DİNAMİK OPTİMİZAYON Ş. BALKU, R. BERBER Ankara Ünvetes Mühendslk Fakültes, Kmya Mühendslğ Bölümü Tandoğan, 06100 Ankara ÖZET Aktf çamur proses atıksu arıtımında kullanılan
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıBaml deikenin simetrik bulank say olmas durumunda parametre tahmini
www.statstkcler.org statstkçler Dergs 3 (00) 54-6 statstkçler Dergs Baml dekenn smetrk bulank say olmas durumunda arametre tahmn Kamle anl Kula Ah Evran Ünverstes, Matematk Bölümü, 4000, Krehr, ürkye sanl004@hotmal.com
DetaylıDört Ayaklı Robotun Bir Bacağı İçin PID Kontrolcü Tasarımı ve Arı Algoritması Kullanarak Optimizasyonu
Uluslararası Katılımlı 17. Makna Teors Sempozyumu, İzmr, 14-17 Hazran 2015 Dört Ayaklı Robotun Br Bacağı İçn PID Kontrolcü Tasarımı ve Arı Algortması Kullanarak Optmzasyonu V. Bakırcıoğlu M. A. Şen M.
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıYAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü
DetaylıHİD 473 Yeraltısuyu Modelleri
HİD 7 Yeraltısuyu Modeller Sayısal Analz Sonlu Farlar Yalaşımı Levent Tezcan - Güz Dönem Modelleme Problemn Tanımlanması Kavramsal Modeln Gelştrlmes Matematsel Modeln Gelştrlmes Hdroeolo Süreçler Sınır
DetaylıPolinom Filtresi ile Görüntü Stabilizasyonu
Polno Fltres le Görüntü Stablzasonu Fata Özbek, Sarp Ertürk Kocael Ünverstes Elektronk ve ab. Müendslğ Bölüü İzt, Kocael fozbek@kou.edu.tr, serturk@kou.edu.tr Özetçe Bu bldrde vdeo görüntü dznnde steneen
DetaylıTürkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini
Türkyede k ĠĢ Kazalarının Yapay Snr Ağları le 2025 Yılına Kadar Tahmn Hüseyn Ceylan ve Murat Avan Kırıkkale Meslek Yüksekokulu, Kırıkkale Ünverstes, Kırıkkale, 71450 Türkye. Kaman Meslek Yüksekokulu, Ah
DetaylıADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR.
ADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR Ebubekr İNAN DANIŞMAN Yrd. Doç. Dr. Mehmet Al ÖZTÜRK ADIYAMAN 2011 Her
DetaylıEMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering
KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk
DetaylıHasar sıklıkları için sıfır yığılmalı kesikli modeller
www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıJournal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi
Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 28, 224-234, 2010 PhD Research Artcle / Doktora Çalışması Araştırma Makales APPLICATION OF ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
DetaylıBULANIK MODELLEME YAKLAŞIMININ TENÖR KESTİRİMİNDE KULLANILMASI ABSTRACT
BULANIK MODELLEME YAKLAŞIMININ TENÖR KESTİRİMİNDE KULLANILMASI Use of Fuzzy Modelng Approach n Grade Estmaton MADENCİLİK, Clt 45, Sayı, Sayfa 39-47, Hazran 6 Vol.45, No., pp 39-47, June 6 Bülent TÜTMEZ
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıOTOMATİK PARMAKİZİ TANIMA SİSTEMLERİNDE ÖZELLİK NOKTALARININ TESPİTİNDE YAPAY SİNİR AĞLARININ KULLANILMASI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 007 : 13 : 1 : 911
DetaylıÇok Parçalı Basınç Çubukları
Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları genel olarak k gruba arılır. Bunlar; a) Sürekl brleşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok
DetaylıMut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri
Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman
DetaylıĐDEAL BĐR DC/DC BUCK DÖNÜŞTÜRÜCÜNÜN GENELLEŞTĐRĐLMĐŞ DURUM UZAY ORTALAMA METODU ĐLE MODELLENMESĐ
ĐDEA BĐR D/D BUK DÖNÜŞTÜRÜÜNÜN GENEEŞTĐRĐMĐŞ DURUM UZAY ORTAAMA METODU ĐE MODEENMESĐ Meral ATINAY Ayşe ERGÜN AMAÇ Ercüment KARAKAŞ 3,,3 Elektrk Eğtm Bölümü Teknk Eğtm Fakültes Kocael Ünerstes, 4, Anıtpark
DetaylıTÜRKİYE DEKİ 22 BARALI 380 kv LUK GÜÇ SİSTEMİ İÇİN EKONOMİK DAĞITIM VE OPTİMAL GÜÇ AKIŞI YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING FACULTY MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 7 : 3 : 3 : 369-378
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıGünlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi *
İMO Teknik Dergi, 2007 4119-4131, Yazı 271 Günlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi * Emrah DOĞAN* Sabahattin IŞIK** Mehmet SANDALCI*** ÖZ Yapay sinir ağlarının (YSA) hidroloji
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıDÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ
DÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ Kemal ÖZKAN Erol SEKE e-posta : ozan@ogu.edu.tr e-posta : esee@ogu.edu.tr, Esşehr
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
DetaylıKarasal, Hava ve Uzay Tabanlı Haberleşme Sistemleri Arasındaki Girişimin Minimizasyonu İçin Optimizasyon Yaklaşımı
Karasal, Hava ve Uzay Tabanlı Haberleşme stemler Arasındak rşmn nmzasyonu çn Optmzasyon Yaklaşımı Optmzaton Approach to the nmzaton of Interference Between Terrestral, Ar and pace Based Communcaton ystems
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıFırat Üniversitesi, Mühendislik Fakültesi, Makine Bölümü, ELAZIĞ
GENETİK ALGORİTMA İLE PARAMETRELERİ OPTİMİZE EDİLMİŞ AĞ TABANLI BULANIK DENETİM SİSTEMİNİN SİSMİK İZOLASYONA UYGULANMASI VE MATLAB İLE SİMÜLASYONU Doç Dr. Hasan ALLİ ve Arş. Gör. Oğuz YAKUT Fırat Ünverstes,
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
DetaylıBiyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı
Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,
DetaylıCuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data
ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng
DetaylıİSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI
İSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI Adem Akpınar a, Recep Emre Çakmak a, Yüksel Yağan b, Raşt Çeleb b a Uludağ Ünverstes, İnşaat Mühendslğ Bölümü,
DetaylıÖZET ÇOK BİLEŞENLİ BİR ALKOL KARIŞIMIN DAMITILDIĞI LABORATUVAR ÖLÇEKTE SÜREKLİ ÇALIŞAN BİR DOLGULU DAMITMA KOLONUNUN YAPAY SİNİR AĞLARI İLE ÇOK DEĞİŞK
T.C. ANKARA ÜNİVERSİTESİ BİLİMSEL ARAŞTIRMA PROJESİ KESİN RAPORU Çok bleşenl br alkol karışımının damıtıldığı laboratuar ölçekte sürekl çalışan br dolgulu damıtma kolonun yapay snr ağları le çok değşkenl
Detaylı