FIRAT-DİCLE HAVZASINDA GÜNLÜK NEHİR AKIMLARININ FAKLI YAPAY ZEKA YÖNTEMLERİ İLE TAHMİNİ

Abstract

Hidrolojik süreçte nehir akımlarının modellenmesi ve akış tahmini; su kaynaklarının etkili planlanması, yönetimi ve sürdürülebilir kullanımı açısından oldukça önemlidir. Bir nehir sistemindeki herhangi bir kesitteki akım; akımın yer ve zamana bağlı olarak değişimi, nehrin fiziksel karakteristikleri ve nehrin havzası gibi birçok değişkenin fonksiyonudur. Yapay sinir ağları (YSA) son zamanlarda hidroloji biliminde başarılı bir şekilde kullanılmaktadır. Son yıllardaki çalışmalarda; su kaynakları ve hidroloji (örneğin akım tahmini, yağış-akış modellemesi, gelen akım, rezervuar işletimi, doğal kanallarda dispersiyon ve suspanse sediment tahmini), alanındaki YSA uygulamalarından umut verici sonuçlar elde edilmiştir.Bu çalışmanın asıl amacı, Fırat-Dicle havzasındaki nehir akım tahmini yapmak için yapay sinir ağları ve dalgacık dönüşüm modelleri geliştirmektir. Bu çalışmada modelleme için 1968-2006 zaman periyodundaki günlük akım verileri kullanılmıştır. Yapay sinir ağları ve dalgacık dönüşüm modelleri ile elde edilen bulgular, çoklu doğrusal regrasyon modelleri ile karşılaştırılmıştır. Modellerden elde edilen sonuçların uygunluğunu test etmek için; karekök ortalama karesel hata (KOKH), ortalama mutlak hata (OMH) ve belirginlik katsayısı (R2) istatistiklerine göre sonuçlar irdelenmiştir. Karşılaştırma sonuçları, yapay zekâ tekniklerinin nehir akımı tahmininde başarılı bir şekilde kullanılabileceğini göstermiştir.Anahtar Kelimeler: Dalgacık Dönüşümü, Yapay Sinir Ağı, Radyal Tabanlı Yapay Sinir Ağı, Nehir Akım Tahmini, Akarsu Gözlem İstasyonu

The forecasting and modeling of river flow in hydrological processes is quite important to deliver the sustainable use and effective planning and management of the water resources. The river flow process in any cross section of river system can be characterized as the function of various variables such as, spatial and temporal distribution of rainfall, catchment and river physical characteristics. In order to estimate hydrological processes such as runoff and change of water level using existing methods, parameters such as the physical properties of the catchment and river network and detailed observation data are necessary. The artificial neural network (ANN) has been successfully used in the hydrological sciences during recent years. The recent studies indicated that the ANN offers a promising results in the field of water resources and hydrology, such as streamflow estimation, rainfall?runoff modeling; reservoir inflow forecasting; reservoir operation; longitudinal dispersion in the natural channels; and suspended sediment estimation.The main aim of this study is to develop a suitable ANN and Wavelet Transform models for river flow forecasting in the Firat-Dicle Catchment, Turkey. In this study, daily river flow at the time period 1968-2006 was used for modeling. The performance of the ANN and Wavelet Transform models were compared with multi-linear regression models. Root mean square errors (RMSE), mean absolute errors (MAE) and deterministic coefficient (R2) statistics were used for the evaluation of the models? performances. Comparison results indicated that the neural computing techniques could be employed successfully in modeling river forecasting.Key Words: Wavelet Transform, Artificial Neural Networks, Radial Basis Neural Networks, River Flow Forecasting