Yapay sinir ağları (YSA) kullanılarak taban büyük omurgasızlarının modellemesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Sucul ekosistemlerde komünite yapılarının çevresel değişkenler ve abiyotik karakterlere göre tahmin edilebilmesi için modellemeler oldukça kullanışlıdır. Bu çalışmada Geri Yayılımlı Yapay Sinir Ağları (YSA) uygulamasıyla taban büyük omurgasızlarının dağılımlarını incelemek amacıyla Köyceğiz Gölü'ne (Muğla, Türkiye) dökülen Yuvarlakçay ve Namnam Çay'larından seçilen istasyonlar veri seti olarak kullanılmıştır. Elde edilen veri setinden, YSA algoritmaları kullanılarak tahminler yapılabilmektedir. Veri seti toplamda 98 örnekten oluşup, 1992-1993 yılları arasında bir yılı aşkın bir süre içerisinde elde edilmiştir. Ondört çevresel değişken toplamda sekiz istasyon için ölçülmüş, aynı zamanda çalışılan taban büyük omurgasızların (Baetis, Caenis, Ephemerella, Onychogomphus, Rhithrogena) baskınlık değerleri de hesaba katılmıştır.İlk olarak habitatın taban büyük omurgasızlara olan uygunluğunu gösterebilecek, ağın en optimize şekilde geliştirilip eğitilmesi için farklı ağ yapıları test edilmiştir. Ağın en iyi performansı verebilmesi için farklı sayılarda `hidden layer` (gizli katman), nöron ve transfer fonksiyonları araştırılmıştır. Farklı YSA yapıları için tek gizli katmandan 2, 5, 10, 15'e kadar sırasıyla test edilmiştir. Son olarak YSA modelleri `gradient descendent` ve `Levenberg- Marquardt (LM)` algoritmaları seçilerek, çalışılan her cins için farklı sigmoid transfer fonksiyonlarıyla eğitilmiştir. LM algoritması taban büyük omurgasızları için en iyi tahmin sonuçlarını vermiştir. Ölçülen veriler ve tahmin edilenler arasında en başarılı sonuçlar ve en yüksek korelasyon katsayısı yaygın olarak bulunan Baetis cinsinde gözlenmiştir. Sonrasında tahmin edilen veri seti, Yuvarlakçay'a ekolojik olarak benzeyen Büyük Menderes Nehri'ndeki başka bir istasyon için karşılaştırılarak incelenmiştir. Sonuç olarak modelin doğruluğu sınanmış ve kullanılabilir olduğu tespit edilmiştir. Models are useful to predict communities in watercourses based on the abiotic characteristics of their aquatic environment. Back-propagation Artificial Neural Networks (ANN) were tested with the aim of modelling the occurrences of benthic macroinvertebrate taxa in Yuvarlakçay and Namnam Streams which both inflow to Köyceğiz Lake in Muğla, Turkey. For that purpose ANN algorithms were used to induce predictive models on a dataset. This dataset consisted of 98 samples, collected over a year period during 1992- 1993. Fourteen environmental variables are measured at each site (total 8), as well as dominance values of the benthic macroinvertebrate taxa (Baetis, Caenis, Ephemerella, Onychogomphus, Rhithrogena).Initially different neural networks were tried to develop and optimize the best model configuration which ensure the prediction of the habitat suitability of each macroinvertebrate taxa. The best performing number of hidden layers and neurons and training algorithms have been searched for. For different ANN architectures, with one hidden layer and 2, 5, 10, 15 neurons were tested respectively. Finally The ANN models were trained using the gradient descendent and Levenberg-Marquardt (LM) algorithms, with different combination of sigmoid transfer functions for each taxa. The networks with the LM algorithm provided the best predictions of macroinvertebrate family occurrence. The best result and high correlation coefficient among real and predicted data was established for very common genus Baetis. Then we seek out for the predicted data comparison with Büyük Menderes River which has ecologically similar station like Yuvarlakçay. As a result, accuracy of the model was verified and its applicability was proved.
Collections