- Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
- Volume:5 Issue:2
- METEOROLOJİK VERİLER KULLANILARAK YERALTI SU SEVİYESİNİN GENETİK PROGRAMLAMA İLE TAHMİNİ
METEOROLOJİK VERİLER KULLANILARAK YERALTI SU SEVİYESİNİN GENETİK PROGRAMLAMA İLE TAHMİNİ
Authors : Murat ÇOBANER, Emin BABAYİĞİT, Bilal BABAYİĞİT
Pages : 177-187
Doi:10.28948/ngumuh.295566
View : 28 | Download : 16
Publication Date : 2016-07-15
Article Type : Research Paper
Abstract : Tatlı su ihtiyacının önemli bir kısmı yeraltı suları tarafından karşılanmaktadır. Bu nedenle yeraltı sularının kalitesinin ve miktarının izlenmesi ve mevcut durumunun ortaya konması su yönetimi politikalarının geliştirilmesi bakımından önemlidir. Genetik programlama insert ignore into journalissuearticles values(GP); evrimsel tabanlı bir yaklaşımdır ve son yıllarda alternatif bir yapay zeka tekniği olarak kullanılmaktadır. GP, diğer yapay zeka tekniklerine göre değişkenler arasındaki ilişkilerden faydalanarak problemin bir matematiksel modelini ortaya koyabilme avantajına sahiptir. Bu çalışmada, meteorolojik veriler ve önceki günlere ait yeraltı su seviyeleri kullanarak yeraltı su seviyelerini tahmin etmek amacıyla çeşitli matematiksel modeller geliştirilmiştir. Matematiksel modellerin geliştirilmesine yeni bir GP yaklaşımı olan çok-genli genetik programlama insert ignore into journalissuearticles values(ÇGGP); uygulanmıştır. Çalışmada, Develi meteoroloji istasyonuna ve Karacaviran gözlem kuyusuna ait 2007-2009 yıllarına ait günlük veriler kullanılmıştır. Bir ay insert ignore into journalissuearticles values(30 gün); sonraki yeraltı su seviyelerini tahmin etmek için oluşturulan modellerin doğruluğu değerlendirilmiş ve çoklu doğrusal regresyon modelleri ile karşılaştırılmıştır. ÇGGP modelleri ile elde edilen sonuçların çoklu doğrusal regresyon modellerine göre dört farklı kritere göre daha iyi olduğu tespit edilmiştir. ÇGGP kullanarak oldukça basit ve kullanışlı modeller ortaya konmuştur.Keywords : Meteorolojik veriler, yeraltı su seviyesi tahmini, çoklu doğrusal regresyon, genetik programlama