K-Means Kümeleme Algoritması Kullanılarak Oluşturulan Yapay Zekâ Modelleri ile Sediment Taşınımının Tespiti
Abstract
Akarsulardaki kirlilik seviyelerinin tespiti, kullanma ve içme sularının tedarik edilmesinde, hem baraj hem de
bağlama gibi su yapılarının proje aşamasında sediment yükünün doğru bir şekilde tespit edilmesi çok önemlidir.
Bu çalışmada, Fırat Havzası üzerinde bulunan üç akım gözlem istasyonu (AGİ) için yapay zekâ yöntemlerinden
uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS), yapay sinir ağları (YSA) ve çoklu doğrusal regresyon
(MLR) gibi yöntemler denenmiştir. Oluşturulan ANFİS modellerinin küme sayılarının seçiminde ise K-means
kümeleme algoritmasından yararlanılmıştır. Yapılan çalışmalarda her bir istasyona ait sediment (Qs), yağış (P),
debi(Q) ve sıcaklık (P) verileri kullanılmıştır. Bu veriler kullanılarak her bir istasyon için sediment tahmin modeli
geliştirilmiştir. Oluşturulan modelde girdi değişkeni olarak yağışın gerçekleştiği günkü değeri (P), yağışın
gerçekleştiği günün bir gün öncesindeki değeri (P-1), debi ve sıcaklık değerleri, çıktı değişkeni olarak ise sediment
konsantrasyonu kullanılmıştır. Oluşturulan bu model tüm istasyonlar için hem eğitim hem de test aşamalarında
sırasıyla regresyon katsayısı (R2
) ve ortalama yüzde hatası (OYH) bakımından karşılaştırılmıştır. Yapılan analizler
sonucunda, K-means kümeleme algoritması ile alt küme sayısı belirlenerek oluşturulan ANFIS modelinin hem alt
küme sayısı rastgele oluşturulan ANFIS modellerine göre hem de YSA ve MLR modellerine göre daha başarılı
sonuçlar elde ettiği görülmüştür. Ayrıca, YSA ve ANFIS yöntemleri modellerinin MLR yöntemi modeline göre
gözlenen değerlere daha yakın sonuçlar elde ettiği görülmüştür.
Collections
DSpace@BEU by Bitlis Eren University Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..