DİCLE HAVZASINDA YAĞIŞ-AKIŞ İLİŞKİSİNİN MAKİNE ÖĞRENME YÖNTEMLERİYLE BELİRLENMESİ

Abstract

Hidrolojik döngünün en önemli bileşeni olan yağış-akış süreci, hidrolojik analiz ve su kaynakları mühendisliği açısından oldukça önemlidir. Son zamanlarda, karmaşık problemlerin modellenmesinde ve çıktıların tahmin edilmesinde başarılı sonuçlar veren yapay zekâ yöntemleri, birçok alanda olduğu gibi hidrolojik olayların modellenmesinde de sıklıkla tercih edilmektedir. Bu çalışmada, Dicle Havzası’nda bulunan 11 adet akım gözlem istasyonuna ait aylık ortalama akım değerleri, meteoroloji gözlem istasyonlarında kaydedilen yağış verilerine bağlı olarak belirlenmeye çalışılmıştır. Yağış ve akım gözlem istasyonlarının ilişkisinin kurulmasında Thiessen Çokgenleri yöntemi kullanılmıştır. Yağış akış ilişkisinin belirlenmesinde farklı girdi modelleri için Uyarlanabilir Nöro-Bulanık Çıkarım Sistemi (Adaptive Neuro-Fuzzy Inference System–ANFIS), Yapay Sinir Ağları (YSA), Gen Ekspresyon Programlama (GEP) ve Çoklu Doğrusal Regresyon (ÇDR) yöntemlerinin başarısı değerlendirilmiştir. Tahmin yöntemlerinin ve girdi modellerinin başarısının belirlenmesinde belirlilik katsayısı (R2 ), ortalama karesel hata (OKH) ve Nash-Sutcliffe verimlilik (NSE) kriterleri kullanılmıştır. Kullanılan istasyonlardan ANFIS ve GEP yöntemi ile kurulan modeller, gözlemlenen akış ile yağış parametrelerine bağlı tahmin edilen akış arasındaki ilişkiyi belirlemede diğer yöntemlere kıyasla daha başarılı olmuştur. Çalışma sonucunda elde edilen bulgular yağış-akış ilişkisini belirlemek için, yapay zekâ yöntemlerinin uygulanabilirliğini doğrulamakta aynı zamanda matematiksel bir yöntem olan GEP yönteminin de kullanılabilirliğini göstermektedir.