Estimation of Streamflow Using Different Artificial Neural Network Models

Authors : Cihangir KÖYCEĞİZ, Meral BÜYÜKYILDIZ

Pages : 1141-1154

Doi:10.47495/okufbed.1037242

View : 17 | Download : 15

Publication Date : 2022-12-12

Article Type : Research Paper

Abstract :Su kaynaklarının planlanması, tasarımı ve yönetimi, taşkın ve kuraklık yönetim stratejilerinin belirlenmesi ve olumsuz etkilerinin minimize edilebilmesi nedeniyle nehir akımının doğru bir şekilde tahmin edilmesi hayati önem taşımaktadır. Bu çalışmada, Yapay Sinir Ağları insert ignore into journalissuearticles values(YSA); modellerinin aylık nehir akımı tahmininde kullanılabilirliği araştırılmıştır. Bu amaçla, Türkiye`nin güneyinde Seyhan Havzasında yer alan iki istasyonun aylık verileri kullanılmıştır. Nehir akımı için Sarız Nehri-Şarköy gözlem istasyonu insert ignore into journalissuearticles values(No: D18A032);, yağış için Sarız meteoroloji istasyonu insert ignore into journalissuearticles values(No: 17840); verilerinden faydalanılmıştır. Kullanılan yağış ve akış verileri 1990-2017 periyoduna aittir. Akım ve yağış verilerinin gecikmelerinden oluşan dokuz giriş kombinasyonu elde edilmiş ve YSA modellerinde kullanılmıştır. Aylık nehir akımını tahmin etmek için Çok Katmanlı Algılayıcı insert ignore into journalissuearticles values(MLP); ve Radyal Temelli Sinir Ağları insert ignore into journalissuearticles values(RBNN); olmak üzere iki YSA tekniği kullanılmıştır. MLP tekniğinde adaptif öğrenmeli ve momentum özellikli en dik iniş insert ignore into journalissuearticles values(GDX);,esnek geriyayılım insert ignore into journalissuearticles values(RBP); ve Levenberg-Marquardt insert ignore into journalissuearticles values(LM);olmak üzere üçadet öğrenme algoritması kullanılmıştır. Farklı giriş kombinasyonları kullanılarak elde edilen her bir farklı YSA modelinin parametreleri deneme yanılma yoluyla belirlenmiştir. Kullanılan modellerin başarısı beş farklı performans ölçütü kullanılarak değerlendirilmiştir. Akarsu tahmininde kullanılan giriş kombinasyonlarından hangisinin daha başarılı olduğuna, test döneminin Nash Sutcliffe verimlilik katsayısı insert ignore into journalissuearticles values(NSE); değeri en yüksek olan kombinasyona göre karar verilmiştir. MLP-GDX, MLP-RBP, MLP-LM ve RBNN modellerinde benzer sonuçlar elde edilmiş olmasına rağmen MLP modelleri insert ignore into journalissuearticles values(LM hariç); az da olsa RBNN modellerinden daha başarılı olmuştur. En başarılı akım tahmin modeli MLP-GDX-M6 modeli olmuştur. MLP-GDX-M6 modelinde test periyodu için MAE=1.148 m3/s, RMSE=1.815 m3/s, R2=0.724, NSE=0.717 ve CA=1.069 olarak elde edilmiştir. Çalışmanın yeniliği, doğal nehirlerdeki aylık akış akışını tahmin etmek için MLP-GDX, MLP-RBP, MLP-LM ve RBNN dahil olmak üzere YSA modellerinin güvenilirliğini incelemiş olmamızdır.
Keywords : Yapay Sinir Ağları, Seyhan Havzası, Nehir Akımı, Su Kaynakları