Sinirsel bulanık mantık yaklaşımı ile havza modellemesi

Abstract

Su kaynaklarının doğru ve güvenilir bir şekilde tahmin edilmesi, su kaynaklarının yönetimi, planlanması ve geliştirilmesi için oldukça önemlidir. Ayrıca, akarsuda taşınan katı madde miktarı, özellikle, toprak koruma çalışmaları, biriktirme haznelerinin planlaması ve işletilmesi, çevresel kirlenme ve koruma çalışmaları için oldukça önemli bir parametredir. Bu çalışmada, Sinirsel Bulanık Mantık Yönteminin (ANFIS) günlük akarsu akış ve katı madde miktarının tahmin edilmesinde uygulanabilirliliği araştırılmıştır. Bu amaçla, Türkiye'nin batısında yer alan Büyük Menderes havzası uygulama alanı olarak seçilmiştir. ANFIS yöntemi ile Büyük Menderes havzasında, dört akarsu kolu için farklı giriş yapısına sahip akış ve katı madde tahmin modelleri geliştirilmiştir. Daha hassas ve güvenilir bir tahmin için, çapraz geçerlilik (cross validation) yöntemi kullanılarak eğitim/test veri setleri düzenlenmiş ve her bir set için eğitim gerçekleştirilmiştir. Modellerin davranışlarını değerlendirmek için çeşitli ölçütler dikkate alınmıştır. ANFIS sonuçları gözlem verileri ile karşılaştırılmış ve performansları değerlendirilmiştir. Daha güvenilir bir değerlendirme yapmak için, en uygun modeller Yapay Sinir Ağları (YSA) ile de eğitilerek test edilmiştir. Elde edilen sonuçlar ANFIS yönteminin, akış ve katı madde modellenmesinde ve tahmin edilmesinde başarılı bir şekilde uygulanabileceğini göstermiştir.

Accurate forecasting of water resources is quite important for sustainable management and planning of water resources. In addition, sediment yield carried in a stream is especially effective parameter for environmental protection and pollution, control and conservation, soil conservation, planning and operation of reservoirs. In this study, applicability and capability of Adaptive Neuro-Fuzzy Inference System (ANFIS) was investigated in forecasting of daily river flows and sediment yields. For this purpose, Great Menderes Catchment, located in the west of Turkey, was selected as case study area. The river flow and sediment yield forecasting models having various input structures were developed using ANFIS method. In order to get more accurate and reliable estimation, the training and testing data sets were arranged by cross validation method and training process for each training data sets was implemented. Some criteria of performance evaluation were calculated to evaluate the performances of forecasting models and the results of ANFIS models and field observed values were compared. The best fit models were also trained and tested by Artificial Neural networks (ANN) to get more accurate comparison and the results of ANFIS and ANN models were also compared and evaluated. The results of ANFIS model have shown that ANFIS can be applied successfully and provides high accuracy and reliability for river flow and sediment yield forecasting.