Estimating the long term average flow rates of tigris basin using machine learning methods
| dc.authorid | TR108192 | en_US |
| dc.authorid | TR148508 | en_US |
| dc.contributor.author | Muratoğlu, Abdullah | |
| dc.contributor.author | Yüce, Mehmet İshak | |
| dc.date.accessioned | 2017-01-12T00:35:22Z | |
| dc.date.available | 2017-01-12T00:35:22Z | |
| dc.date.issued | 2016 | |
| dc.department | Batman Üniversitesi Mühendislik - Mimarlık Fakültesi İnşaat Mühendisliği Bölümü | en_US |
| dc.description.abstract | The discharge of a river is one of the most important parameters of the hydraulic and hydrological studies such as hydropower production, canal design, irrigation, basin management. Each basin has different climate and geological characteristics which influence the regional infiltration capacity and runoff. The aim of this study is to estimate the average annual flow rates of ungauged locations on the Tigris River Basin. In total, eleven machine learning methods were applied to the long-term average annual discharge and the drainage area data of 34 flow measurement stations (FMS). Among all methods employed here, the conventional regression analysis was found to be the most successful test with a correlation coefficient (R 2 value) of 0.96. The equation of the best fitted linear line represents the relationship between the drainage area and the discharge. The results of this study are expected to enable the prediction of the average annual flow rate of any sub-basin of the Tigris River. | en_US |
| dc.description.abstract | Herhangi bir nehrin akım parametrelerinin bilinmesi, enerji üretimi, kanal tasarımı, sulama, havza planlama projeleri ve diğer hidrolik ve hidrolojik çalışmalarda hayati önem arz etmektedir. Her havzanın kendine has iklim durumu, yağış koşulları ve zemin yapısı olduğu için sızma (infiltrasyon) ve akış parametreleri de haliyle farklı olmaktadır. Bu çalışmanın amacı, Dicle havzası üzerinde, akım ölçüm istasyonu bulunmayan alt havzaların yıllık ortalama debi değerlerinin, yağış alanının bir fonksiyonu olarak belirlenmesidir. Bu kapsamda, uzun dönem yıllık ortalama akım ve yağış alanı verileri bulunan 34 adet akım ölçüm istasyonuna (FMS) 11 adet yapay öğrenme metodu uygulanmıştır. Klasik regresyon analizi, 0,96 korelasyon değeri (R 2 ) ile en başarılı test olarak elde edilmiş ve havza için debi ve yağış alanı arasındaki ilişkiyi gösteren lineer bir denklem türetilmiştir. Bu çalışma ile Dicle nehrinin alt havzalarında ve akım ölçüm istasyonu bulunmayan yerlerde yıllık ortalama debi tahmini yapılabilecektir. | en_US |
| dc.identifier.citation | Muratoğlu, A., Yüce, M. İ., (2016). Estimating the long term average flow rates of tigris basin using machine learning methods. Batman Üniversitesi Yaşam Bilimleri Dergisi, 6 (2/2), pp. 32-40. | en_US |
| dc.identifier.endpage | 40 | en_US |
| dc.identifier.issn | 2147-4877 | |
| dc.identifier.issn | 2459-0614 | |
| dc.identifier.issue | 2/2 | en_US |
| dc.identifier.scopusquality | N/A | en_US |
| dc.identifier.startpage | 32 | en_US |
| dc.identifier.uri | http://www.yasambilimleridergisi.com/makale/pdf/1449491357.pdf | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12402/1611 | |
| dc.identifier.volume | 6 | en_US |
| dc.identifier.wosquality | N/A | en_US |
| dc.indekslendigikaynak | Scopus | en_US |
| dc.language.iso | en | en_US |
| dc.publisher | Batman Üniversitesi | en_US |
| dc.relation.journal | Batman Üniversitesi Yaşam Bilimleri Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Yayını | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Average annual discharge | en_US |
| dc.subject | the Tigris River | en_US |
| dc.subject | regression analysis | en_US |
| dc.subject | machine learning methods | en_US |
| dc.subject | ungauged basin | en_US |
| dc.subject | Ortalama debi | en_US |
| dc.subject | Dicle nehri | en_US |
| dc.subject | regresyon analizi | en_US |
| dc.subject | otomatik öğrenme | en_US |
| dc.subject | akım ölçüm istasyonu | en_US |
| dc.title | Estimating the long term average flow rates of tigris basin using machine learning methods | en_US |
| dc.type | Article | en_US |
