Prediction of long-term streamflow by using adaptive neuro-fuzzy inference system ((ANFIS)

Abstract

Su kaynakları, canlı yaşamın en temel ihtiyaçlarından biridir. İnsan yaşamını sorunsuz bir şekilde sürdürebilmek için mevcut su kaynaklarının korunması ve kullanımına yönelik akılcı bir planlama gerekmektedir. Yapılacak planların başında kullanılacak su kaynağının gelecekte yaratacağı potansiyel belirlenmelidir. Bu nedenle, nehir sistemlerinin işleyişi ile ilgili çok çeşitli problemler hakkında temel bilgi sağlamak için nehir akış tahmini gereklidir. Bu çalışmada, Türkiye'de Seyhan Havzası'nda bulunan Zamanti Nehri-Değirmenocağı, Zamanti Nehri-Ergenuşağı ve Eğlence Deresi-Eğribük istasyonlarının günlük akım değerleri incelenmiştir.1988-2011 yılları arasında üç ayrı istasyon için ölçülmüş olan 8928 günlük akım verileri kullanılarak akış miktarı tahmini yapılmıştır. Yapay zekâ metotları karmaşık doğrusal olmayan problemleri modellemedeki başarımlarından kaynaklı bir süredir geleneksel yöntemlerin yerine kullanılmaktadır. Tez kapsamında geçmiş akım ölçüm değerlerinden ileriye dönük akış hızı tahmini yapılması amacıyla Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistem (ANFIS) modeli Benzetimli Tavlama (SA), Geri Yayılım (BP) ve Hibrid Öğrenme (HB) algoritmaları kullanılarak eğitilmiş ve tüm modellerden elde edilen sonuçlar karşılaştırılmıştır. Kıyaslama için Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hata (RMSE), Belirleme Katsayısı (R2) ve Ortalama Mutlak Yüzde Hata (MAPE) değerlendirme kriterleri kullanılmıştır. Yapılan analizler sonrasında doğrusal olmayan problemlerde ANFIS parametrelerini eğitmede HB ve BP algoritmalarının SA algoritmasından daha başarılı ve etkili şekilde kullanılabileceği sonucuna varılmıştır. Anahtar Kelimeler: Nöro-Bulanık, ANFIS, Hidroloji, Nehir Akışı, Tahmin

Water resources are one of the most basic needs of living life. In order to sustain human life without any problems, a rational planning is required for the protection and use of existing water resources. At the beginning of the plans to be made, the potential of the water source to be used in the future should be determined. Therefore, river flow estimation is necessary to provide basic information on a wide variety of problems associated with the functioning of river systems. In this study, the daily flow values of Zamanti River-Değirmenocağı, Zamanti River-Ergenuşağı and Eğlence River-Eğribük stations in the Seyhan Basin in Turkey were investigated. has been made. Artificial intelligence methods have been used instead of traditional methods for some time due to their success in modelling complex nonlinear problems. Within the scope of the thesis, the Adaptive Neuro-Fuzzy Inference System (ANFIS) model was trained using Simulated Annealing (SA), Back Propagation (BP) and Hybrid Learning (HB) algorithms in order to make forward flow rate estimation from past flow measurement values and the results obtained from all models were compared. Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Determination Coefficient (R2) and Mean Absolute Percentage Error (MAPE) evaluation criteria were used for comparison. After the analysis, it was concluded that HB and BP algorithms can be used more successfully and effectively than SA algorithm in training ANFIS parameters in nonlinear problems. Key Words: Neuro-Fuzzy, ANFIS, Hydrology, Streamflow, Prediction