Hidrolojik Sapan Değer Tespitinde Komşu İstasyon Seçimi

Author:

DEDE Ahu1,AĞIRALİOĞLU Necati2

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.

Publisher

Firat Universitesi

Subject

General Medicine

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.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3