Dalgacık Dönüşümlü Yapay Sinir Ağlarıyla Günlük Akım Serilerinin Tahmini

Year 2020, Volume: 9 Issue: 2, 943 - 951, 15.06.2020

Erol Yabar Mehmet Cihan Aydın

https://doi.org/10.17798/bitlisfen.609410

Cited By: 2

Abstract

Yapay Sinir Ağları (YSA) insan beyninin geçmiş
tecrübelerinden ve eğitiminden yola çıkarak karmaşık problemleri kapalı kutu
şeklinde çözmeye yarayan gelişmiş bir yöntemdir. Çok fazla değişken içeren
hidrolojik süreçlerin parametrik modelleri yerine YSA gibi kapalı kutu
modellerin kullanımı daha kullanışlı olabilmektedir. Özellikle, akarsulardaki
günlük veya aylık akım serileri su yapılarının güvenli şekilde tasarımı için
önem arz eder. Bu çalışmada Bitlis Deresi’ne ait 2008-2011 yılları arası günlük
akım serileri YSA yardımıyla modellenmiştir. Bu amaçla, standart ve dalgacık
dönüşümlü olmak üzere iki farklı YSA modeli kullanılmıştır. Standart YSA modeli
istatiksel olarak iyi sonuç vermekle birlikte yıl içindeki ekstrem pik debileri
tahmin etmekte yetersiz kalmıştır. Dalgacık dönüşümlü YSA model ise ekstrem pik
debilerle birlikte daha yüksek doğrulukta sonuç vermektedir. Elde edilen
sonuçlara balı olarak akarsulardaki akım serilerinin tahmininde dalgacık
dönüşümlü YSA modellerin oldukça başarılı olduğu ve bu gibi hidrolojik
süreçlerin modellemesinde kullanılabileceği sonucuna varılmıştır. 

Keywords

Yapay Sinir Ağları, Dalgacık Dönüşümü, Akım Serileri, Bitlis Deresi

References

• Hsu, K.I., Gupta, H.V., Sorooshian, S., 1995. Artificial neural network modeling of the rainfall-runoff process. Water Resour. Res. 31, 2517–2530.
• Alizadeh, M. J., Kavianpour, M.R., Kisi, O, Nourani, V., 2017. A new approach for simulating and forecasting the rainfall-runoff process within the next two months. Journal of Hydrology 548: 588–597.
• Nourani, V., Kisi, Ö., Komasi, M., 2011. Two hybrid Artificial Intelligence approaches for modeling rainfall–runoff process. J. Hydrol. 402, 41–59.
• Adamowski, J., Chan, H.F., 2011. A wavelet neural network conjunction model for groundwater level forecasting. J. Hydrol. 407, 28–40.
• Alizadeh, M.J., Kavianpour, M.R., 2015. Development of wavelet-ANN models to predict water quality parameters in Hilo Bay, Pacific Ocean. Mar. Pollut. Bull. 98, 171–178.
• Pramanik, N., Panda, R., Singh, A., 2011. Daily river flow forecasting using wavelet ANN hybrid models. J. Hydroinformatics 13, 49–63.
• Aydın, M. C., Cömert, Z., Işık, E., Büyüksaraç, A., Ulu, A.E., 2018. Estimation of Flow Series using Discrete Wavelet Analysis and Artificial Neural Networks. 4th International Conference on Engineering and Natural Science, 2-6 May 2018, Kiev, Ukranie.
• Gemici, E., Ardıçlıoğlu M. Kocabaş F., 2013. Akarsularda debinin yapay zeka yöntemleri ile modellenmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 29(2): p. 135-143.
• Okkan, U., Mollamahmutoğlu, A., 2010. Yiğitler Çayı Günlük Akımlarının Yapay Sinir Ağları ve Regresyon Analizi ile Modellenmesi. Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü Dergisi, (023): p. 33-48.
• Çuhadar, M., Kayacan, C., 2005. Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye'deki Konaklama İşletmeleri Üzerine Bir Deneme. Anatolia: Turizm Araştırmaları Dergisi, 16(1).
• Kızılaslan, M. A., Sağın F., Doğan E., Sönmez O., 2014. Aşağı Sakarya Nehri akımlarının yapay sinir ağları ile tahmin edilmesi. Sakarya University Journal of Science, 18(2): p. 99-103.
• Bayır, F., 2006. Yapay Sinir Ağları ve Tahmin Modellemesi Üzerine Bir Uygulama, İstanbul Üniversitesi.
• İlkuçar, M., Kaya, A.İ., Çifci, A., 2018. Mekanik Özelliklere Göre Ağaç Türlerinin Yapay Sinir Ağları ile Tahmini. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1): p. 75-83