Resumen

Es importante estimar con precisión la lluvia para el uso efectivo de los recursos hídricos y la planificación óptima de las estructuras de agua. Con este fin, se desarrollaron modelos para estimar la lluvia en Isparta utilizando el proceso de minería de datos. Se probaron diferentes combinaciones de entradas con 1, 2, 3 y 4 parámetros de entrada utilizando los valores de lluvia de las estaciones de Senirkent, Uluborlu, Eirdir y Yalva en Isparta. El algoritmo más apropiado se determinó como regresión multilinear entre los modelos desarrollados con varios algoritmos de minería de datos. Los parámetros de entrada del modelo de Regresión Multilinear fueron los valores mensuales de lluvia de las estaciones de Senirkent, Uluborlu y Eirdir. El error relativo de este modelo se calculó como 0,7%. Se demostró que el proceso de minería de datos puede utilizarse para la estimación de valores de lluvia faltantes.

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Estimación; Precipitación; Proceso de minería de datos; Modelos; Parámetros de entrada; Regresión multilinear
• Keywords:Estimate; Rainfall; Data-mining process; Models; Input parameters; Multilinear regression