FARKLI PARAMETRELER KULLANILARAK YAPAY SİNİR AĞLARIYLA AKIM TAHMİNLERİNİN YAPILABİLİRLİĞİNİN ARAŞTIRILMASI: FİLYOS NEHRİ HAVZASI ÖRNEĞİ

Abstract

ÖZET

Su kaynakları yeryüzündeki yaşam formunun temel ihtiyaçlarının başında gelmektedir. Düzenli insan yaşamını sağlamak için halihazırda bulunan su kaynaklarını korumak ve doğru kullanmak için akıllı ve öncelikli planlamaların yapılması şarttır. Yapılacak çalışma planlamasının başında ileride kullanılması istenecek su kaynağının her açıdan kapasitesi hesaplanıp netleştirilmelidir. Bu sebepten dolayı, akış sistemlerinin işleyişi ile ilgili bir takım problemler hakkında temel bilgiler sağlamak için akım değerlendirmesi, tahmini ve kıyaslaması gereklidir. Bu tez çalışmasında, Batı Karadeniz Havzasının bir alt havzası olan Filyos Nehri Havzasında yer alan 7 adet akım gözlem istasyonun aylık ortalama debi değerleri ve 5 adet meteoroloji istasyonunun aylık toplam yağış, aylık ortalama sıcaklık ve aylık ortalama nispi nem verileri kullanılarak akım tahminlerinin yapılması amaçlanmıştır. Çalışmada, tüm istasyonlar için ortak zaman dilimi olan 1965 ile 2015 yılları arasında 7 farklı akım istasyonundan elde edilen 609’ar aylık ortalama debi veri seti ve 5 farklı meteoroloji istasyonun 609’ar adet yağış, 609’ar adet sıcaklık ve 609’ar adet nispi nem veri setleri kullanılarak akım (debi) değerlerinin tahmini için, istasyonların birbirleri üzerindeki etkisi ve etkinliği test edilerek tahminler yapılmıştır. Son zamanlarda gösterdiği pratikliği, üstün performans ve başarısından ötürü geleneksel yöntemlerin yerine oldukça fazla tercih edilen yapay zeka metotları karmaşık lineer olmayan problemleri modellemedeki başarılarından dolayı bu tezde de tercih edilmiştir. Çalışma kapsamında mevcut herhangi bir istasyondaki akım verilerinin diğer istasyonlara ait akım ve tüm istasyonlara ait meteoeolojik veriler kullanılarak tahmin edilmesi amacıyla, ileri beslemeli çok katmanlı yapay sinir ağları (ANN) modeli, destek vektör makineleri (SVM) algoritmaları ve çoklu lineer regresyon (MLR) analizi algoritmaları kullanılarak modeller eğitilip test edilmiştir. Her bir veri setinin % 75’i modeli eğitimek, geri kalan % 25’i ise modelin başarısını test etmek amacı ile kullanılmıştır. Analizlerin tümü son yıllarda veri madenciliği ve tahmin çalışmalarında analiz sonuçlarının doğruluğu ve kullanım kolaylığı açısından çok fazla tercih edilen Python yazılımı ve bünyesinde bulunan NumPy, Pandas ve Matplotlib kütüphaneleri kullanılarak gerçekleştirilmiştir. Sonuçları karşılaştırıp kıyaslayarak tahmin doğruluk oranlarının saptanması için ortalama mutlak sapma (MAD), ortalama mutlak hata (MAE), regresyon katsayısı (r²) ve Ortalama Karekök Hata (RMSE) değerlendirme kriterleri kullanılmıştır. Çalışılan analizler sonrasında, MLR algoritması ve ANN algoritmasının bu tarz problemlerde SVM algoritmasına göre daha başarılı ve güvenilir sonuçlar verdiği görülmüştür ve daha etkili olarak kullanılabileceği sonucuna varılmıştır.

ABSTRACT

Water resources are one of the basic needs of life on earth. In order to ensure a regular human life, it is essential to make smart and prioritized planning in order to protect and correctly use the existing water resources. At the beginning of the work planning to be done, the capacity of the water resource to be used in the future should be calculated and clarified in all respects. For this reason, flow evaluation, estimation and comparison are necessary to provide basic information about a number of problems related to the operation of flow systems. In this thesis, it is aimed to make flow forecasts using the monthly average flow values of 7 different flow observation stations in the Filyos River Basin, a sub-basin of the Western Black Sea River Basin, and the monthly total precipitation, monthly average temperature and monthly average relative humidity data of 5 meteorology stations. In the study, the flow (discharge) rates were estimated using monthly average flow datasets obtained from 7 different flow stations between 1965 and 2015, which is the common time period for all stations, and 609 precipitation for each station, 609 temperature and 609 relative humidity datasets for each station from 5 different meteorological stations. For this purpose, estimates were made by testing the effects and effectiveness of stations on each other. Artificial intelligence methods, which have recently been preferred over traditional methods due to their practicality, superior performance and success, have also been preferred in this thesis due to their performance in modeling complex nonlinear problems. Within the scope of the study, the feed forward multilayer artificial neural networks (ANN) model, support vector machines (SVM) algorithms and multiple linear regression (MLR) analysis were used to estimate the flow data at any existing station using the flow of other stations and the meteorological data of all stations. Models were trained and tested using algorithms. 75% of each dataset was used to train the model and the remaining 25% was used to test the success of the model. All of the analyzes were carried out using Python software and libraries inside such as NumPy, Pandas and Matplotlib libraries, which has been highly preferred in terms of accuracy and ease of use in data mining and estimation studies in recent years. Mean absolute deviation (MAD), mean absolute error (MAE), regression coefficient (r²) and root mean square error (RMSE) evaluation criteria were used to determine the prediction accuracy rates by comparing the results. After the analysis, it was seen that the MLR algorithm and the ANN algorithm gave more successful and reliable results than the SVM algorithm in such problems and it was concluded that they could be used more effectively.