Affiliation:
1. İSTANBUL TEKNİK ÜNİVERSİTESİ
2. ANTALYA BİLİM ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ
Abstract
Bu çalışmada, k-en yakın komşular yöntemine göre komşu istasyon seçmenin kriterleri, sapan değer tespiti üzerinden değerlendirilmiştir. Türkiye’de 129 istasyonda, 1926 – 2012 tarihleri arasında aylık olarak ortalama sıcaklık, ortalama bağıl nem ve toplam yağış verileri kullanılmıştır. Yakınlığa göre komşu seçildiğinde karşılaşılan ilk problem veri eksikliğinden dolayı uzak komşulara başvurulması ve komşuların %0,04 - %3’ünün 140 km’den fazla mesafede ve 0,4’ten düşük korelasyonda olmasıdır. İkinci problem incelenen dizilerin %0,1 - 3’ünde daha uzak olan komşuların en yakın 5 komşudan anlamlı olarak daha yüksek korelasyon göstermesidir. Korelasyon katsayısının yüksekliğine göre komşu seçildiğinde istasyonların %2 - %8’inde her ayın sadece kendi 1.komşusu o ay için kullanılabilir. 2. ve 3.komşular için bu oranlar düşmüştür. İstasyonların %25 - %86’sında belli aylardaki 1.komşular tüm ayları temsil edebilir ama bunun hangi aylardaki komşular olduğu belirlenmelidir. Ayrıca istasyonların %2,5’inde her değişkenin sadece kendi 1.komşusu o değişken için kullanılabilir. 2. ve 3.komşular için bu oran düşmüştür. İstasyonların %29’unda belli değişkenlerdeki 1.komşular tüm değişkenleri temsil edebilir ama bunun hangi değişkenlerdeki komşular olduğu belirlenmelidir. Bunlardan başka, tespit edilen sapan değerler çıkarılınca, sapan değerli dizilere göre korelasyon katsayısı, çoğunlukla %1-36 daha fazla, bazen %1-5 daha az çıkmıştır.
Reference43 articles.
1. [1] Çubukçu, A., Demir, V., & Sevimli, M. F. (2019). Türkiye'nin uzun vadeli aylık sıcaklıklarının yapay sinir ağlarıyla tahmin edilmesi. 10. Ulusal Hidroloji Kongresi (p. 871). Muğla: Muğla Sıtkı Koçman Üniversitesi.
2. [2] Teegavarapu, R. S. (2013). Statistical corrections of spatially interpolated missing precipitation data estimates. Hydrological Process, 3789-3808.
3. [3] Raghunath, H. M. (2006). Hydrology principles, analysis, design. 4835/24, Ansari Road, Daryaganj, New Delhi - 110002: New Age International (P) Ltd.
4. [4] Rafii, F., & Kechadi, T. (2019). Collection of Historical Weather Data: Issues with Missing Values. the 4th international conference on smart city applications, (pp. 1-8).
5. [5] Teegavarapu, R. S. (2012). Spatial interpolation using nonlinear mathematical programming models for estimation of missing precipitation records. Hydrological Science Journal, 383 - 406.