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.