Günlük akımların tahmini açısından çok tabakalı perseptron ve dalgacık-çok tabakalı perseptron modellerinin performans karşılaştırması

Year 2016, Volume: 7 Issue: 2, 291 - 308, 01.12.2016

Abdüsselam Altunkaynak Tewodros Assefa Nıgussıe

Abstract

Akarsu akımlarının doğru tahmini su kaynaklarını sürekli ve iyi bir şekilde işletmek için önemlidir. Modellerde
ölçülen ham verilerin doğrudan kullanımı, tahmin yanlışlıklarına neden olmaktadır. Modellerin tahmin
performansını artırmak için ölçülen verileri spektral bantlara ayrıştırarak, trendleri ve periyodikliği ortadan
kaldırmak için Ayrık Dalgacık Dönüşüm (ADD) yaklaşımı kullanılmıştır. Literatürde yapılan çalışmaların
birçoğunda günlük akım tahminleri kısa süreli yapılmıştır. Bu çalışmada ADD kullanılarak orjinal veriler
bileşenlerine ayrılarak model geliştirilmiştir. Bu çalışmanın amacı günlük akım gözlem verilerini doğru ve
uzun süreli tahmin edebilen bir model geliştirmektir. Bu çalışma da, oniki (12) yıllık 02231000 nolu istasyona
ait günlük akım gözlem verileri kullanılmıştır. Bunlardan, 7 yılı eğitme verisi geri kalan 5 yıl da tahmin verisi
olarak kullanılmıştır. ADD yaklaşımı tarafından ayrıştırılan veriler, 7 güne kadar günlük akımları tahmin
etmek için Çok Tabakalı Perseptron (ÇTP) modeline girdi olarak kullanılmıştır. Bu çalışmada ÇTP ve D-ÇTP
modellerinin tahmin performansları Hataların karelerinin ortalamalarının karekökü (HKOK), verim katsayısı
(VK) ve beceri puanı (BP) parametreleri dikkate alınarak karşılaştırılmıştır. D-ÇTP modellerinin ÇTP
modelinden daha iyi tahmin sonuçları ürettiği gözlemlenmiştir.

Keywords

Akım, Ayrık Dalgacık Dönüşümü, Çok Tabakalı Perseptron, Tahmin

Performance comparison of multilayer perceptron and wavelet-multilayer perceptron models in terms of daily streamflow prediction

Abstract

Accurate streamflow prediction is important for
sustainable water resources management. Direct use
of observed data in developing prediction models has
resulted in inaccuracies and predictions are with
short lead times. DWT was used to decompose the
observed data into components with the objective of
enhancing the prediction accuracy and prediction
lead times. The decomposed data were used as input
into multilayer perceptron (MP) to develop a new
approach for predicting daily streamflow for lead
times up to 7 days. The new approach was called
Wavelet-Multilayer Perceptron (W-MP). Twelve
years of approved daily streamflow data were
obtained from Station 02231000, USA. Seven years of
data were used for calibration and the remaining 5
years of data were used for prediction. The new
approach was compared to the stand-alone MP
model by taking root mean squared error, coefficient
of efficiency and skill score into consideration. The
results showed that the W-MP model performed
better than the stand-alone MP model and the
prediction accuracy increased with the use of
decomposed signals up to prediction lead time of 4
days. This indicates that the W-MP model can predict
daily streamflow better than MP with extended lead
time.

Keywords

Prediction, Multilayer Perceptron, Wavelet Transform, Streamflow