Makine Öğrenmesi İle Aksu Deresi’nde Akış Tahmin Modeli Geliştirilmesi

Authors : Hasan Törehan BABACAN, Fatih SAKA

Pages : 1-11

View : 18 | Download : 7

Publication Date : 2022-06-28

Article Type : Research Paper

Abstract :Bu çalışmada Doğu Karadeniz Havzası’nda bulunan 2020 yılında büyük bir taşkın felaketinin yaşandığı Aksu Deresi alt havzası için gelecek akım modellemesi yapılmıştır. Modelleme için Devlet Su İşleri’nden elde edilen akım verileri, Meteoroloji Genel Müdürlüğü’nden elde edilen yağış ve buhar basıncı verileri kullanılmıştır. Oluşturulacak akım modeli için Yapay Sinir Ağları insert ignore into journalissuearticles values(YSA); ve Klasik Regresyon insert ignore into journalissuearticles values(KR); yöntemleri tercih edilmiştir. Buhar basıncı, yağış ve geçmiş akış verileri kullanılarak 14 farklı girdi modeli oluşturulmuştur. Oluşturulan bu girdi modelleri Çok Katmanlı YSA insert ignore into journalissuearticles values(ÇK-YSA); yöntemi ile oluşturulan akış tahmin modeli ile denenmiştir. Akış tahmin modellerinin tahmin performansları Ortalama Hata Kareleri Karekökü insert ignore into journalissuearticles values(RMSE);, Korelasyon Katsayısı insert ignore into journalissuearticles values(r);, Rölatif Hata insert ignore into journalissuearticles values(RH);, Nash-Sutcliffe Belirlilik Katsayısı insert ignore into journalissuearticles values(E); ve Ortalama Mutlak Hata insert ignore into journalissuearticles values(OMH); kriterleri kullanılarak tespit edilmiş ve ÇK-YSA modelinde performansı en yüksek girdi modeli Klasik Çoklu Regresyon insert ignore into journalissuearticles values(ÇR); yöntemi ile denenmiştir. Bölgede akış tahmin performansı en yüksek model ÇK-YSA ile oluşturulan M10 girdi seti ile çalıştırılan model olmuştur. Çalışmada geleceğe dönük tahmin edilmiş debi değerleri, taşkın koruma tesisleri, hidroelektrik santral tesisleri, arıtma tesisleri gibi yapıların projelendirme aşamasında proje debisini belirlemek üzere kullanılan aşılma olasılıklarına göre değerlendirilmiştir. Sonuç olarak, ÇR yönteminde makine öğrenmesi gerçekleştiren modellerde olduğu gibi gün gecikmeli girdi seti kullanımının performansı arttırdığı, bölgede akış tahmin modellemesinde ÇK-YSA yönteminin ÇR yönteminden daha başarılı olduğu ve proje debisi belirlemek için uygunluğu belirlenmiştir.
Keywords : Akış modellemesi, Aksu Deresi, Buhar Basıncı, Çok Katmanlı Algılayıcı