Adaptive Network Based Fuzzy Logic Inference System (ANFIS); has been developed as a prediction model by using the learning ability of artificial neural networks (ANN) and the decision-making mechanism of fuzzy logic approach. Daily average discharges at two stream gages located in the Kızılırmak River is tried to be predicting with two different ANFIS models in this study. Daily average discharge of the river observed between 2014-2021 and daily total precipitation data of two Weather Stations (AWS) representing the river basins are used in the models. ANFIS models have been formed with 2 input and 1 output approach for SG-1 Stream Gage in the upstream, and with 3 input - 1 output approach for SG-2 Stream Gage which takes place at downstream. Total daily precipitation has two days lag time (t-2) and average daily discharge has one day lag time (t-1) taken as input data and (t) days as output. 75% of the data is used as training and 25% as test. While creating the rules, three different clusters have been made, and the membership function of the target value is obtained. Coefficient of determination (R2) and root mean square error (RMSE) metrics are used for the performance of the models. The best results for both SG-1and SG-2 are three clustered model with respectively, R2 = 0.9578 and 0.976, RMSE = 1.49 and 2.20. As a result, it was observed that the ANFIS model predicted the daily average discharge with high success.
ANFIS Discharge Hydrological Analysis Kızılırmak Prediction Rainfall-runoff
Akarsuların su potansiyelinin belirlenmesi için sezgisel tahmin modelleri sıklıkla kullanılmaktadır. Bu modellerden birisi olan Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ing. kıs. ANFIS); yapay sinir ağlarının (YSA) öğrenme yeteneğini ve bulanık mantık (BM) yaklaşımının karar verme mekanizmasını kullanarak tahmin modeli geliştirmektedir. Bu çalışmada; Kızılırmak Nehri’nde yer alan iki adet Akım Gözlem İstasyonu’nda (AGİ) günlük ortalama debi, iki farklı ANFIS modeli ile tahmin edilmeye çalışılmıştır. AGİ’lere ait 2014-2021 yılları arasında gözlemlenmiş günlük ortalama debi verileri ile AGİ’lerin kurulu olduğu akarsu havzalarını temsil eden iki Meteoroloji Gözlem İstasyonu (MGİ)’ye ait günlük toplam yağış verileri mekansallaştırılarak modellerde kullanılmıştır. Membadaki Kızılırmak–Ahmethacı AGİ-1 için, 2 giriş 1 çıkış yaklaşımı, bu AGİ’nin mansabında kalan Kızılırmak–Bulakbaşı AGİ-2 için ise 3 giriş 1 çıkış yaklaşımı ile ANFIS modelleri kurgulanmıştır. Giriş verilerinden günlük toplam yağış, zaman ölçeğinde (t-2). gün, günlük ortalama debi, (t-1). gün alınmış ve çıkış olarak (t). güne ait ortalama debi tahmin edilmiştir. Modellerde verilerin %75’i eğitim, %25’i test verisi olarak kullanılmıştır. Kurallar oluşturulurken 3 farklı kümeleme yapılmış ve hedef değerin üyelik fonksiyonu belirlenmiştir. Her iki AGİ için eğitim ve test verilerinde 3 ayrı kümelemeye ait sonuçlar elde edilmiş ve modellerin başarımları için determinasyon katsayısı (R2) ve karekök ortalama hatası (RMSE) metrikleri kullanılmıştır. AGİ-1 için en iyi sonucu R2 = 0.9578, RMSE = 1.49 ile 3 kümelemeli model verirken AGİ-2 için en iyi sonucu; R2 = 0.976 ve RMSE = 2.20 ile yine 3 kümelemeli model vermiştir. Sonuç olarak ANFIS modeli, yüksek başarım ile günlük ortalama debiyi tahmin etmiştir.
Birincil Dil | Türkçe |
---|---|
Konular | Çevre Mühendisliği (Diğer) |
Bölüm | Çevre Mühendisliği / Environment Engineering |
Yazarlar | |
Erken Görünüm Tarihi | 30 Kasım 2023 |
Yayımlanma Tarihi | 1 Aralık 2023 |
Gönderilme Tarihi | 5 Temmuz 2023 |
Kabul Tarihi | 27 Kasım 2023 |
Yayımlandığı Sayı | Yıl 2023 Cilt: 13 Sayı: 4 |