Yağış-akış ilişkisinin GEP ve ANFIS ile modellenmesi

Basit Öğe Kaydı
dc.authorid0000-0002-7904-7607en_US
dc.authorid0000-0002-2368-1035en_US
dc.contributor.authorYaman, Yunus
dc.contributor.authorÖnen, Fevzi
dc.date.accessioned2024-03-18T13:09:47Z
dc.date.available2024-03-18T13:09:47Z
dc.date.issued2023en_US
dc.departmentDicle Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümüen_US
dc.description.abstractYağış-akış ilişkisinin doğru bir şekilde modellenmesi, su kaynaklarının yönetimi ve su taşkınlarının kontrolü gibi hidrolojik uygulamalar için hayati önem taşımaktadır. Ancak hidrolojik sistemlerin karmaşıklığı ve nonlineer özellikleri nedeniyle, yağış-akış ilişkisi gibi olayları tanımlamak için hala birçok model geliştirilmektedir. Özellikle son yıllarda küresel ısınma ve küresel iklim değişimi gibi etmenler, yağış-akış ilişkisini belirlemeyi daha da önemli hale getirmiştir. Bu nedenle, yapay zeka teknikleri gibi modern yaklaşımların kullanımı giderek artmaktadır. Bu çalışmada, havza yağış-akış modellemesi için iki farklı yapay zeka tabanlı yöntem olan Genetik İfadeli Programlama (GEP) ve Uyarlanabilir Sinirsel-Bulanık Çıkarım Sistemi (ANFIS) kullanılarak, tahmin edilen akış değerleri gözlenen akış değerleri ile karşılaştırılmıştır. Girdi parametreleri olarak, uydu verilerinden elde edilen 4km x 4km çözünürlüklü yağış verisi kullanılmıştır. Bu yağış verisi, havza için günlük ortalama yağış yüksekliği olarak elde edilmiştir. Akım verisi olarak, Berta Suyu Havzası çıkışındaki EİE-2334 No.lu akım gözlem istasyonunun (AGİ) günlük akış verileri kullanılmıştır. Akım verileri, Q(t-1), Q(t-2), Q(t-3), Q(t-4) ve yağış verileri olan P(t), P(t-1), P(t-2), P(t-3) gibi çeşitli girdi senaryoları oluşturulmuş ve çıkış olarak Q(t) ile eşleştirilmiştir. Modellerin performansı, determinasyon katsayısı (R2 ) ve ortalama karesel hatanın kökü (KOKH) gibi istatistiksel ölçütler kullanılarak değerlendirilmiştir. Yapılan çalışmada, ANFIS ve GEP yöntemlerinden elde edilen sonuçların birbirine yakın olduğu tespit edilmiştir. Berta Suyu Alt Havzası için en yüksek R2 =0,988 ve en düşük KOKH=4,770 değerini veren modelin ANFIS-K1 olduğu görülmüştür. Bu sonuçlar, yapay zeka tekniklerinin yağış-akış ilişkisini belirlemede etkili bir araç olduğunu göstermektedir.en_US
dc.description.abstractThe accurate modeling of the rainfall-runoff relationship is crucial for hydrological applications such as water resource management and flood control. However, due to the complexity and nonlinear characteristics of hydrological systems, many models are still being developed to describe events such as rainfall-runoff relationships. In particular, factors such as global warming and climate change have made determining the rainfall-runoff relationship even more important. Therefore, the use of modern approaches such as artificial intelligence techniques is increasing. In this study, two different artificial intelligence-based methods, namely, Genetic Expression Programming (GEP) and Adaptive Neuro-Fuzzy Inference System (ANFIS), were tested to model basin rainfall-runoff, and the estimated flow values were compared with the observed flow values. 4km x 4km resolution precipitation data that obtained from satellite data was used as input parameters. This precipitation data was obtained as the daily average precipitation height for the basin. Daily flow data from the EIE-2334 flow observation station (FOS) at the outlet of the Berta Stream Basin was used as the flow data. Various input scenarios were created with flow data such as Q(t-1), Q(t-2), Q(t-3), Q(t-4) and precipitation data such as P(t), P(t-1), P(t-2), P(t-3), and matched with Q(t) as output. Some of the inputs were used for model training, and the remaining were reserved for testing. The performance of the models was evaluated using statistical measures such as determination coefficient (R2 ) and root mean square error (RMSE). In the study, it was found that the results of the ANFIS and GEP methods were similar. The model with the highest R2 =0.988 and the lowest RMSE=4.770 for the Berta Stream Sub-Basin was found to be the ANFIS-K1 model. These results demonstrate that artificial intelligence techniques are an effective tool for determining the rainfallrunoff relationship.en_US
dc.identifier.citationYaman, Y. ve Önen, F. (2023). Yağış-akış ilişkisinin GEP ve ANFIS ile modellenmesi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 14(3), 489-498.en_US
dc.identifier.doi10.24012/dumf.1297714en_US
dc.identifier.endpage498en_US
dc.identifier.issn1309-8640
dc.identifier.issn2146-4391
dc.identifier.issue3en_US
dc.identifier.startpage489en_US
dc.identifier.trdizinid1275724en_US
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/3145318
dc.identifier.urihttps://hdl.handle.net/11468/13624
dc.identifier.volume14en_US
dc.institutionauthorYaman, Yunus
dc.institutionauthorÖnen, Fevzi
dc.language.isotren_US
dc.publisherDicle Üniversitesi Mühendislik Fakültesien_US
dc.relation.ispartofDicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisien_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - İdari Personel ve Öğrencien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectYapay zekâen_US
dc.subjectYağış-akışen_US
dc.subjectGEPen_US
dc.subjectANFISen_US
dc.subjectArtificial intelligenceen_US
dc.subjectRainfall-runoffen_US
dc.titleYağış-akış ilişkisinin GEP ve ANFIS ile modellenmesien_US
dc.title.alternativeModelling The rainfall-runoff Relationship with GEP & ANFIS methodsen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Yağış-Akış İlişkisinin GEP ve ANFIS İle Modellenmesi.pdf
Boyut:
1.72 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Dicle Üniversitesi Mühendislik Fakültesi Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu