Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightDebi tahmininde seviye ölçümlerinin tek başına yeterli sonuç vermediği, diğer giriş verileriyle beraber ise en etkin giriş parametresi olduğu görülmüştür.
📌 3 Maddede Bu Makale
Özet
Su kaynaklarının sürdürülebilir kullanımı ve taşkın zararlarından korunmak amacıyla nehir akımlarının düzenli olarak ölçülmesi zorunludur. Bu amaçla yerinde yapılan akım ölçümleri hem çok zaman almakta hem de pahalı olmaktadır. Bu nedenle, pratikte genelli kle anahtar eğrisi kullanılarak nehir akımları tahmin edilmektedir. Ancak her istasyon için bir anahtar eğrisi belirlenmesi ve istasyonların anahtar eğrilerinin zamanla değişebilmesinden dolayı debi tahminleri hatalı olabilmektedir. Yapay zekâ yöntemlerind en, yapay sinir ağları (YSA) ve bulanık mantık modelleri, anahtar eğrilerine iyi bir alternatif oluşturmaktadır. Bu çalışmada, Kızılırmak nehrinin yan kollarında seçilen 5 farklı istasyonda, 22 farklı akım şartlarında, akarsu enkesiti dilimlere bölünerek g eometrisi çıkarılmış ve hız - alan yöntemiyle debisi belirlenmiştir. Belirlenen taban eğimi, taban pürüzlülük katsayısı, enkesit dilim genişliği, dilimden geçen su seviyesi ve nehir enkesit genişliği değerleri giriş verisi olarak kullanılarak; çok katmanlı y apay sinir ağları (ÇKYSA), radyal tabanlı yapay sinir ağları (RTYSA) ve adaptif ağ tabanlı bulanık çıkarım sistem (ANFIS) modelleri ile her bir dilimden geçen debi tahmin edilmiştir. Ölçülen değerlerle modellerin tahminleri arasındaki hatalar belirlenmiş, model performansları kendi arasında karşılaştırılmış, ayrıca debinin belirlenmesinde giriş parametrelerinin etkinliği irdelenmiştir. Debinin belirlenmesinde YSA ve bulanık mantık modellerinin oldukça başarılı olduğu, model performanslarının birbirine yakın olduğu görülmüştür. En iyi performans ANFIS modelinden elde edilmiştir. Debi tahmininde seviye ölçümlerinin tek başına yeterli sonuç vermediği, diğer giriş verileriyle beraber ise en etkin giriş parametresi olduğu görülmüştür.
Abstract
In order to provide the sustainable use of the water resources and prevent flood damages it is indispensable to measure regularly the river flow. Regular flow measurements take much time and cost. For that reason, in practice it is generally estimated appr oximately by the rating curves. But a rating curve must be obtained for each station and the prediction shows mistakes because rating curves change by time. Some of the methods of artificial intelligence, artificial neural networks and fuzzy logic models m ake up an alternative for the rating curves. In this study, 5 different stations, for 22 different stream flow conditions have been selected at side branch of the Kızılırmak River. Dividing the cross sections in slices, the geometry of the river is identif ied and discharge is determined with velocity - area method. Using the determined bottom slope, bottom roughness coefficient, water level flowing through slice and river cross section width value as input data; discharge from each slice was predicted, with m ultilayer perceptron (MLP), radial basis neural networks (RBNN) and adaptive - network based fuzzy inference systems (ANFIS) models. Errors between the measured values and model predictions were determined, the model performances were compared with each othe r, also the effectiveness of input parameters in determining the discharge was examined. ANN and fuzzy logic models showed to be fairly successful in the determination of discharge, and the performance of models observed were close to each other. The best performance was obtained from ANFIS model. The water level did not produce adequate results individually, but along with other input data is regarded as the most effective input parameter in the discharge prediction