Modeling of discharge-sediment yield relationship in Middle Euphrates basin using genetic programming

Abstract

Bu çalışma, Orta Fırat Havzası'nda aylık ortalama askıda sediment-debi ilişkisinin modellemesinde, Gen-expresyon programlama (GEP) tekniğinin kullanımını araştırmaktadır. Sediment anhtar eğrileri (SRC) ve çoklu lineer regresyon (MLR) gibi konvensiyonel metotlar, genelde debi ve askıda sediment yükü arasındaki ortalama ilişkiyi elde etmede kullanılmaktadır. Ancak, bu metotların genelde askıda sediment miktarını ya çok daha fazla ya da çok daha az tahmin ettikleri gözlemlenmiştir. Son yirmi yıl boyunca, konvensiyonel metotlara alternatif olarak, ?esnek hesaplama? adı altında yeni metotlar geliştirilmiştir. Yapay Sinir Ağları (YSA), genetic programlama (GP), destek vector makineleri (DVM) en çok kullanılan esnek hesaplama tekniklerinden bazılarıdır. GP hariç diğer metotlar, içeriğinde ne tür hesaplamaların diğer araştırmacıların bilmediği ?kara-kutu? mantığıyla çalışır. Bu yüzden halen, sediment-debi ilişkisi için açık formülasyonlar geliştirmek gerekmektedir. Bu çalışmada, GEP kullanarak açık formülasyonlar geliştirmek hedeflenmiştir. Aylık ortalama askıda sediment yükünü tahmin eden GEP tabanlı açık formülasyonlar, sediment anahtar eğrileri (SRC) ve MLP teknikleri ile karşılaştırılmıştır. Orta Fırat Havzasında Fırat Nehri üzerinde beş istasyondan elde edilen günlük debi (Q) ve askıda sediment yükü (SYY) veriler kullanılarak geliştirilen GEP, SRC ve MLP modelleri karşılaştırılmaktadır. Sonuçlar GEP formülasyonlarının SRC ve MLP modellerinden daha üstün performans sergilediğini ve bu formülasyonların su mühendisliği alanında kullanım için çok pratik olduğunu göstermiştir.

This study investigates the use of Gene-expression programming (GEP) in modeling of suspended sediment yield (SSY) based on monthly averaged river discharge (Q) measurements in Middle Euphrates Basin. Conventional sediment rating curve (SRC) and multiple linear regression (MLR) techniques are often applied to determine the average relationship between SSY and Q. However, these methods are observed to generally underestimate or overestimate the amount of sediment. In the last two decades, new methods, under the name of ?soft computing?, have been proposed as alternative to the conventional methods. Artificial neural networks (ANNs), genetic programming (GP), support vector machines (SVMs) are some of the most widely validated branches of soft computing techniques. Except GP, the other methods generally work as ?black-box? models, which are implicit that can?t be simply used by other investigators. Therefore it is still necessary to develop an explicit model for the discharge?sediment relationship. The aim of this study is to develop explicit models by using GEP. GEP based explicit models, which is predicting the monthly suspended sediment yield, were compared to the rating curves and MLP techniques. The daily discharge and suspended sediment yield data from five stations on Euphrates River in Middle Euphrates Basin were used in validation of the proposed GEP, SRC and MLP models. The results indicate that the proposed GEP formulations perform superior to SRC and MLP models and these formulations are quite practical for use of water engineering society.