Akarsulardaki kirlilik seviyelerinin tespiti,
kullanma ve içme sularının tedarik edilmesinde, hem baraj hem de bağlama gibi
su yapılarının proje aşamasında sediment yükünün doğru bir şekilde tespit
edilmesi çok önemlidir. Bu çalışmada, Fırat Havzası üzerinde bulunan üç akım
gözlem istasyonu (AGİ) için yapay zekâ yöntemlerinden uyarlamalı ağ tabanlı
bulanık çıkarım sistemi (ANFIS), yapay sinir ağları (YSA) ve çoklu doğrusal
regresyon (MLR) gibi yöntemler denenmiştir. Oluşturulan ANFİS modellerinin küme
sayılarının seçiminde ise K-means kümeleme algoritmasından yararlanılmıştır. Yapılan çalışmalarda her bir istasyona ait
sediment (Qs), yağış (P), debi(Q) ve sıcaklık (P) verileri
kullanılmıştır. Bu veriler kullanılarak her bir istasyon için sediment tahmin
modeli geliştirilmiştir. Oluşturulan modelde girdi değişkeni olarak yağışın
gerçekleştiği günkü değeri (P), yağışın gerçekleştiği günün bir gün öncesindeki
değeri (P-1), debi ve sıcaklık değerleri, çıktı değişkeni olarak ise
sediment konsantrasyonu kullanılmıştır. Oluşturulan bu model tüm istasyonlar
için hem eğitim hem de test aşamalarında sırasıyla regresyon katsayısı (R2)
ve ortalama yüzde hatası (OYH) bakımından karşılaştırılmıştır. Yapılan
analizler sonucunda, K-means kümeleme algoritması ile alt küme sayısı
belirlenerek oluşturulan ANFIS modelinin hem alt küme sayısı rastgele
oluşturulan ANFIS modellerine göre hem de YSA ve MLR modellerine göre daha
başarılı sonuçlar elde ettiği görülmüştür. Ayrıca, YSA ve ANFIS yöntemleri
modellerinin MLR yöntemi modeline göre gözlenen değerlere daha yakın sonuçlar
elde ettiği görülmüştür.
Birincil Dil | Türkçe |
---|---|
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 13 Mart 2020 |
Gönderilme Tarihi | 26 Nisan 2019 |
Kabul Tarihi | 2 Ağustos 2019 |
Yayımlandığı Sayı | Yıl 2020 Cilt: 9 Sayı: 1 |