YSA, DSA ve USBÇS modelleri kullanarak günlük akım tahmini

Abstract

Önemi zamanla artan su kaynakların yönetimi ve kullanımı günümüzdeki en önemli haberlerden biri olmayı başlamıştır. Bu çalışmada uygulanabilir ve aynı zamanda güvenilir sonuçlar veren Yapay Sinir Ağları (YSA), Dalgacık Sinir Ağları (DSA) ve Uyarlamalı Sinir Bulanık Mantık Çıkarım Sistemi (USBÇS) günlük akım tahmini için en etkili ve yaygın olan yöntemleri kullanılmıştır. Akım tahmini için sonuçlarına etkileyen birçok parametreler mevcuttur ve bu nedenle kesin bir sonuca varmak zor olmaktadır. Ancak çalışmada kullanılan yöntemlerle ve geliştirilen modeller ile gerçeğe çok yakın sonuçlar elde edilmiştir. Modellerin performansını doğrulamak amaçlı verilerin %70'i (1996-2007) eğitmek için ve verilerin %30'u (2008-2011) test etmek için kullanılmıştır. Modellerin sonuçları birbirine yakın olmasına rağmen, DSA modeli, YSA ve USBÇS modelleri arasında en iyi performansı sergilemiştir. Bu da orijinal verilerin alt serilere ayrıştırılması, gürültülerini teşhis edilip temizlenmesi sonuçlara önemli ölçüde etkilediğini göstermektedir.

The management and use of water resources, which have become increasingly important over time, has become one of the significant news today. In this study, Artificial Neural Networks (ANN), Wavelet Neural Networks (WNN) and Adaptive Neural Fuzzy Inference System (ANFIS), which provide feasible and reliable results, were used for daily streamflow estimation. For streamflow estimation, there are many parameters that affect the results and therefore, it is difficult to conclude exactly the same as the observed data. However, realistic results were obtained with the methods and models developed in the study. To verify the performance of the models, 70% of the data (1996-2007) were used to train and 30% of the data (2008-2011) were used for testing. Although the results of the models were close to each other, WNN model showed the best performance among ANN and ANFIS models. This shows that the decomposition of the original data into sub-series, identified and cleaning the noises significantly affect the results.