Yapay Sinir Ağları ile Esenboğa Havaalanı için Sis Görüş Mesafesinin Tahmin Edilebilirliği
| Autor: | Kahraman Oğuz, Muhammet Ali Pekin |
|---|---|
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Issue: 15 542-551 Avrupa Bilim ve Teknoloji Dergisi |
| ISSN: | 2148-2683 |
| Popis: | Sisolayı, görüş mesafesini düşürerek hava, kara ve deniz ulaşımını olumsuzetkilemekte, dolayısıyla ekonomik kayıplara sebep olmaktadır. Ayrıca, yapılaşmanınplanlanmasında da önemli bir yere sahiptir. Bu sebeple, sis olayısebebiyle düşen görüş mesafesinin tahmini büyük önem taşımaktadır. Buçalışmada, yapay sinir ağları kullanılarak Esenboğa Havaalanı için görüşmesafesi tahmini yapılmış ve tutarlılığı incelenmiştir. 2013-2015 yıllarına aitve sis üzerinde en çok etkisi olan sıcaklık, çiğ noktası sıcaklığı, basınç,rüzgar hızı ve nispi nem parametreleri yapay sinir ağları ile eğitime tabitutulmak amacıyla kullanılmıştır. Bu yıllar içerisinde Esenboğa Havaalanı'nda en sisi aylar olan Kasım, Aralık, Ocak, Şubat ayları seçilmiştir. Sonrasında, yıl içerisinde sisli günlere bakılmaksızın 2016-2017 tüm verileri ise elde edilensonuçların tutarlılığının incelenmesi amacıyla kullanılmıştır. Sonuçta,yöntemin tutarlılığına yönelik olarak 2013-2015 yıllarından teste ayrılan kısımiçin R=0.80, 2016 yılı tüm verileri için R=0.41 ve RMSE=2652m; 2017 yılı tüm verileri için R=0.53 ve RMSE=2464molarak bulunmuştur. Modele girdi olarak verilen kısımdan teste ayrılankısım (%5) için hata oranı (R=0.80) kabul edilebilir seviyede bulunmuştur.Ancak, sis ve pus durumuna bakılmaksızın tüm verilerin teste tabi tutulduğu2016 ve 2017 yılları için tutarlılıklar beklenenin altında bulunmuştur. Fog event affects air, land and sea transportation adversely by reducing visibility, thus causes economic loss. Besides, it has an important place in the planning of constructions. For this reason, it is very important to predict reducing visibility due to the fog event. In this study, visibility prediction was made with artificial neural networks and validations were made for Esenboğa Airport. Temperature, dew point temperature, pressure, wind speed and relative humidity, those are the most important parameters for fog occurrence, were used for 2013-2015 years to train in artificial neural network. We selected only January, February, November and December months those are the foggiest months for Esenboğa airport. Then, the whole data for 2016-2017 years regardless of fog were used for validation of the results. As a result, we found R=0.80 for the test part of 2013-2015 years, R=0.41 and RMSE = 2652m for all data of the 2016 year, and R = 0.53 and RMSE = 2464m for all data of the 2017 year. The error rate (R = 0.80) for the test part was found to be acceptable. However, consistencies for the years 2016 and 2017, when all data were tested regardless of fog and haze, were found to when all data were tested regardless of fog and haze, were found to be as below expectations. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|