Dalgacık Dönüşüm Modelli Yapay Zekâ Teknikleri Kullanılarak Orta Anadolu Bölge İstasyonlarının Yağış Tahmini

Yıl 2021, Cilt: 6 Sayı: 1, 39 - 54, 30.04.2021

Hatice Çıtakoğlu , Ömer Coşkun

https://doi.org/10.46578/humder.785549

Cited By: 1

Öz

Meteorolojik koşullarda önemli bir parametre olan yağış verilerinin belirlenmesi; tarım, enerji, çevre, ulaşım, lojistik ve afet kontrolü gibi birçok sektörü doğrudan etkilemektedir. Geleceğe yönelik yağış verilerinin doğru tahmin edilmesi, özellikle insanların günlük hayatını kolaylaştıracaktır. Önceki dönemlere ait yağış verilerinin kullanılması, gelecek dönemlerin yağış tahminlerine ve erken uyarı sistemlerinin kurulmasına olanak sağlayacaktır. Bu çalışmada, Türkiye’nin Orta Anadolu Bölgesi istasyonlarının 1990−2015 yılları arasındaki aylık yağış verileri kullanılarak geleceğe yönelik yağış tahminleri yapılmıştır. Yağış tahmini için iki farklı yaklaşımda bulunulmuştur. Bu yaklaşımlardan ilki, önceki dönemlere ait istasyonların aylık yağış verilerine sadece yapay sinir ağı (YSA) ve uyarlamalı sinirsel bulanık çıkarım sisteminin (ANFIS) uygulanmasıdır. Diğer yaklaşım ise dalgacık dönüşüm modelinin hemYSA hem de ANFIS’e uygulanmasıdır. Bu modellerde 1990−2009 yılları arasındaki aylık yağış verileri eğitim verileri olarak, 2010−2015 yılları arasındaki veriler ise test verileri olarak kullanılmıştır. Yağış verileri t−2 ve t−1 zamanları için giriş verisi olarak kullanılmış olup t zamanındaki yağışlar tahmin edilmeye çalışılmıştır. Bu modellerin tahmin performansları, determinasyon katsayısı gibi istatistiksel kriterlere göre değerlendirilmiştir. Determinasyon katsayısına (0.011 ile 0.189) göreyağış verilerine YSA ve ANFIS metotları uygulanması ile yapılan tahminler kötü sonuçlar vermektedir. Determinasyon katsayısına göre Dalgacık dönüşümlü YSA (DD−YSA) vedalgacık dönüşümlü ANFIS (DD−ANFIS) modelleri ise geleceğe dönük yağış verilerinin tahmininde daha başarılıdır. Ayrıca bu çalışmada ortaya çıkan önemli sonuçlardan biri de istatistiksel kriterlere göreDD−ANFIS ve DD−YSA modellerinin birbirine çok yakın sonuçlar vermesidir.

Anahtar Kelimeler

Yağış, Dalgacık dönüşümü, Uyarlamalı sinirsel bulanık çıkarım sistemi, Yapay sinir ağları

Precipitation Prediction of Central Anatolia Regional Stations Using Artificial Intelligence Techniques with Wavelet Transform Model

Öz

Kaynakça

• 1. Biswas, S. K.,Marbaniang, L., Purkayastha, B., Chakraborty, M., Singh, H. R., &Bordoloi, M. (2016). Rainfallforecastingbyrelevantattributesusingartificialneuralnetworksa comparativestudy. International Journal of Big Data Intelligence, 3(2): 1-10
• 2. Partal T., (2007). Türkiye yağış miktarlarının yapay sinir ağları ve dalgacık dönüşümü yöntemleri ile tahmini. Doktora tezi, İTÜ Fen Bilimleri Enstitüsü, İstanbul.
• 3. Öztemel E., (2012). Yapay Sinir Ağları, Papatya Yayıncılık, Ankara.
• 4.Okkan U., (2013). Waveletneural network model forreservoirinflowprediction. ScientiaIranica 19(6): 1445-1455
• 5.Wahyuni, I.,Mahmudy, W. F., &Iriany, A. (2017). RainfallPrediction Using HybridAdaptiveNeuroFuzzyInferenceSystem (ANFIS) andGeneticAlgorithm. Journal of Telecommunication, Electronic andComputerEngineering, 9(2-8): 1-6
• 6. Küçük M., Ağıralioğlu N., (2006). Dalgacık dönüşüm tekniği kullanılarak hidrolojik akım serilerinin modellenmesi, İTÜ Mühendislik Dergisi, 5(2): 69-80
• 7. Partal T., Kişi Ö., (2007). Waveletandneuro-fuzzyconjuction model forprecipitationforecasting. Journal of Hydrology, 342: 199-212
• 8. Partal T., Kahya E., Cığızoğlu K., (2008). Yağış verilerinin yapay sinir ağları ve dalgacık dönüşümü yöntemleri ile tahmini, İstanbul Teknik Üniversitesi Dergisi-Mühendislik 7(3): 73-85
• 9. Saplıoğlu K., Çimen M., (2010). Yapay sinir ağlarını kullanarak günlük yağış miktarının tahmini, Mühendislik Bilimleri ve Tasarım Dergisi, 1(1): 14-21
• 10. Bozoğlu Ö., Baran T., (2012). Yağış serilerinin (wavelet) dalgacık dönüşümü ile analizi. VII. Ulusal Hidroloji Kongresi, 26-27 Eylül 2012, Süleyman Demirel Üniversitesi, Isparta.
• 11. Terzi Ö., Barak M., (2013). Dalgacık-sinir ağı yaklaşımı ile yağış-akış tahmini: Kızılırmak Nehri örneği, Ankara Üniversitesi Ziraat Fakültesi Tarım Bilimleri Dergisi, 21 (2015): 546-557
• 12. Uzunali A., (2019). Yapay sinir ağlarına dayalı yağış tahmin ve analizi. Yüksek Lisans Tezi, İstanbul Kültür Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
• 13. Citakoglu H., "Comparison of artificialintelligencetechniquesforprediction of soiltemperatures in Turkey", TheoreticalandAppliedClimatology, vol.2016, pp.1-12, 2016.
• 14. Özen S., B., (2018). Kaski atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi. Yüksek Lisans Tezi, Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Kayseri.
• 15. Coşkun Ö., Çömlekçi S., (2007). Wavelet teorisinin medikal alana uygulanması üzerine bir ön çalışma. Akademik Bilişim 07 - IX. Akademik Bilişim Konferansı, 31 Ocak - 2 Şubat 2007, Dumlupınar Üniversitesi, Kütahya, s. 317-320
• 16. Öner V., Yeşilyurt M., Yılmaz E., (2017). Wavelet analiz tekniği ve uygulama alanları, Ordu Üniv. Bil. Tek. Derg., 7(1): 42-56