EUVIMEDEUVIMED entdecken
Crossref

Doğu Akdeniz Bölgesi İçin Makine Öğrenmesi Tabanlı Buharlaşma Modelleri

Mehmet Ali Tor, Ramazan Koçak, Halil Emre Kuşçu, Ahmet Emre Tekeli

Doğal Afetler ve Çevre Dergisi · 24.07.2026 · 12 (2) · 258-272

DOI: 10.21324/dacd.1852115 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Doğal Afetler ve Çevre Dergisi, online erschienen am 24.07.2026. Verfasst von Mehmet Ali Tor und 3 weiteren Autor:innen. Die Arbeit nennt 35 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Buharlaşma; su kaynaklarının verimli kullanılabilmesi için yapılan planlama çalışmalarında, rezervuar alanlarının işletilmesinde ve tarımsal verimlilik konularında büyük öneme sahip meteorolojik bir değişkendir. Çalışmada, buharlaşmanın makine öğrenmesi algoritmaları kullanılarak hangi doğrulukta tahmin edilebileceği ve farklı algoritmaların verimlilikleri karşılaştırılarak en iyi buharlaşma tahminini veren algoritmaların tespiti amaçlanmıştır. Çalışmada 8 farklı makine öğrenmesi algoritması kullanılmıştır. Buharlaşmayı etkileyen birçok meteorolojik değişken olmasına rağmen, operasyonel çalışmalarda çoğunlukla kolay bir şekilde ulaşılabilen ve daha sık ölçüm noktası bulunan hava sıcaklığı değişkeni bağımsız değişken olarak kullanılmıştır. Doğu Akdeniz Bölgesi’nde yer alan 13 farklı meteoroloji gözlem istasyonunda (MGİ) aynı zaman aralığında ölçülmüş sıcaklık ve buharlaşma değerleri ile modeller kurulmuştur. İstasyonların %30’unda AdaBoost, %30’unda ise Lineer Regresyon algoritması en iyi tahminleri yapmıştır. Kalan %40’lık kısmı diğer algoritmalar oluşturmuştur. Değişen MGİ konumlarına göre farklı makine öğrenmesi algoritmaları daha iyi başarı göstermiştir. Bununla beraber, en iyi tahminleri yapan modellerin hata metrikleri arasında çok düşük farklar olduğu tespit edilmiştir. İstasyonlar bazında belirlenen en iyi modellerden en düşük RMSE hatasına (16,4 mm) AdaBoost modeli ile Erdemli MGİ, en yüksek RMSE hatasına (39,2 mm) ise Rastgele Orman modeli ile Antakya MGİ’nun sahip olduğu sonucuna varılmıştır. Makine öğrenmesi algoritmalarının sıcaklık parametresi kullanılarak buharlaşma tahminleri yapan modeller kurulmasında kullanılabilir olduğu belirlenmiştir.

Zitieren

APA

Tor, M. A., Koçak, R., Kuşçu, H. E., & Tekeli, A. E. (2026). Doğu Akdeniz Bölgesi İçin Makine Öğrenmesi Tabanlı Buharlaşma Modelleri. Doğal Afetler ve Çevre Dergisi, 12(2), 258-272. https://doi.org/10.21324/dacd.1852115

Vancouver

Tor MA, Koçak R, Kuşçu HE, Tekeli AE. Doğu Akdeniz Bölgesi İçin Makine Öğrenmesi Tabanlı Buharlaşma Modelleri. Doğal Afetler ve Çevre Dergisi. 2026;12(2):258-272. doi:10.21324/dacd.1852115

BibTeX
@article{Tor2026,
  author = {Tor, Mehmet Ali and Koçak, Ramazan and Kuşçu, Halil Emre and Tekeli, Ahmet Emre},
  title = {Doğu Akdeniz Bölgesi İçin Makine Öğrenmesi Tabanlı Buharlaşma Modelleri},
  journal = {Doğal Afetler ve Çevre Dergisi},
  year = {2026},
  volume = {12},
  number = {2},
  pages = {258--272},
  doi = {10.21324/dacd.1852115}
}
Kostenlos starten →