Araştırma Makalesi

Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması

Cilt: 12 Sayı: 2 15 Aralık 2022
PDF İndir
EN TR

Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması

Öz

Nehir akım verilerinin sürekli olması su kaynakları üzerine inşa edilecek yapıların tasarımı aşamalarında oldukça önemlidir. Geçmiş zaman kayıtlı akım verileri ele alındığında eksik akımların söz konusu olduğu görülebilmektedir. Dolayısı ile hidrometeorolojik olarak eşdeğer gözlem istasyonu verileri kullanılarak literatürde farklı yöntemlerle tahmin çalışmaları yapılmaktadır. Bu çalışmada hidrolojik süreçlerin lineer olmayan özellik göstermeleri nedeniyle Çoklu Doğrusal Olmayan Regresyon (ÇDOR) metodu ile akım tahmini değerlendirmeleri gerçekleştirilmiştir. Uygulama yeri olarak Seyhan ve Doğu Akdeniz Havzaları’ndaki aynı akarsu güzergahında yer alan ardışık akım gözlem istasyonları tercih edilmiştir. Çalışma sonucunda; 1729 nolu gözlem istasyonunun bağımsız; 1721 ve 1730 nolu istasyonların önceki 6 ay verilerinin ise bağımlı değişkenleri oluşturduğu modellemeler hem eğitim hem de test aşamaları için en yüksek korelasyon ve en düşük hata değerlerini vermiştir. 1829 nolu istasyonun bağımsız değişken; 1820 ve 1830 istasyonlarının ise bağımlı değişken olduğu model yapılarında sırasıyla 1 önceki ay ve 3 önceki ay giriş verilerinde en iyi sonuçlar görülmüştür. 1829-1830 istasyonları ile elde edilen Model-3 eğitim sonucu belirlilik katsayısı (R2) 0.943 olup, test sonucu ise 0.969 dolaylarında ortaya çıkmıştır. Bu modelde Ortalama Karesel Hata (OKH) sıfıra çok yakın olduğu için tüm modeller açısından en iyi değerlendirme kriteri olarak tespit edilmiştir.

Anahtar Kelimeler

Ardışık Gözlem İstasyonları, ÇDOR, Akım Tahmini, Seyhan Havzası, Doğu Akdeniz Havzası, Sequential Gauging Stations, MNLR, Streamflow Prediction, Seyhan Basin, Eastern Mediterranean Basin

Kaynakça

  1. Anusree, K., ve Varghese, K. O. (2016). Streamflow prediction of Karuvannur River Basin using ANFIS, ANN and MNLR models. Procedia Technology, 24, 101-108. https://doi: 10.1016/j.protcy.2016.05.015
  2. Babacan, H. T., ve Saka, F. (2022). Makine öğrenmesi ile Aksu Deresi’nde akış tahmin modeli geliştirilmesi. Türk Hidrolik Dergisi, 6(1), 1-11.
  3. Burgan, H. İ. (2022). Comparison of different ANN (FFBP GRNN RBF) algorithms and multiple linear regression for daily streamflow prediction in Kocasu river – Turkey. Fresenius Environmental Bulletin, 31(5), 4699-4708.
  4. Dayan, F., Demirci, M., Üneş, F., ve Taşar, B. (2021). Nehirlerdeki katı madde miktarının Bulanık SMGRT yöntemi ile tahmini. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 24(4), 294-307.
  5. Elektrik İşleri Etüt İdaresi (EİEİ) (2011). Akım gözlem yıllıkları, Ankara. (Erişim tarihi: 01.06.2022)
  6. Gümüş, V., Kavşut, M. E., ve Yenigün, K. (2011). Yağış-akış ilişkisinin modellenmesinde YSA kullanımının değerlendirilmesi: Orta Fırat Havzası uygulaması. e-Journal of New World Sciences Academy, 6(1), 389-397.
  7. Gümüş, V., ve Kavşut, M. E. (2013). Zamanti Nehri-Ergenuşağı istasyonu eksik aylık akım verilerinin tahmini. Gazi Üniversitesi Fen Bilimleri Dergisi Part:C, Tasarım ve Teknoloji GU J Sci Part:C, 1(2): 81-91.
  8. Gümüş, V., Soydan, N. G., Şimşek, O., Aköz, M. S., ve Kırkgöz, M. S. (2013). Yağış-akış ilişkisinin belirlenmesinde farklı yapay sinir ağı yöntemlerinin karşılaştırılması. Çukurova Üniversitesi Mühendislik- Mimarlık Fakültesi Dergisi, 28(1), 37-49.
  9. Harun, M. A., Safari, M. J. S., Gul, E., ve Ghani, A. A. (2021). Regression models for sediment transport in tropical rivers. Environmental Science and Pollution Research, 28, 53097-53115. https://doi.org/10.1007/s11356-021-14479-0
  10. Kaya, Y. Z., Zelenakova, M., Üneş, F., Demirci, M., Hlavata, H., ve Mesaros, P. (2021). Estimation of daily evapotranspiration in Košice City (Slovakia) using several soft computing techniques. Theoretical and Applied Climatology, 144, 287-298. https://doi.org/10.1007/s00704-021-03525-z

Kaynak Göster

APA
Turhan, E. (2022). Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması. Karadeniz Fen Bilimleri Dergisi, 12(2), 931-945. https://doi.org/10.31466/kfbd.1175582
AMA
1.Turhan E. Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması. KFBD. 2022;12(2):931-945. doi:10.31466/kfbd.1175582
Chicago
Turhan, Evren. 2022. “Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması”. Karadeniz Fen Bilimleri Dergisi 12 (2): 931-45. https://doi.org/10.31466/kfbd.1175582.
EndNote
Turhan E (01 Aralık 2022) Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması. Karadeniz Fen Bilimleri Dergisi 12 2 931–945.
IEEE
[1]E. Turhan, “Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması”, KFBD, c. 12, sy 2, ss. 931–945, Ara. 2022, doi: 10.31466/kfbd.1175582.
ISNAD
Turhan, Evren. “Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması”. Karadeniz Fen Bilimleri Dergisi 12/2 (01 Aralık 2022): 931-945. https://doi.org/10.31466/kfbd.1175582.
JAMA
1.Turhan E. Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması. KFBD. 2022;12:931–945.
MLA
Turhan, Evren. “Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması”. Karadeniz Fen Bilimleri Dergisi, c. 12, sy 2, Aralık 2022, ss. 931-45, doi:10.31466/kfbd.1175582.
Vancouver
1.Evren Turhan. Ardışık Gözlem İstasyonu Verileri ile Çoklu Doğrusal Olmayan Regresyon Yöntemi Kullanılarak Akım Tahmin Çalışması. KFBD. 01 Aralık 2022;12(2):931-45. doi:10.31466/kfbd.1175582