Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightEkim-Mart arasındaki 6 aylık periyotta yaşanan kuraklıklar, 1997-2015 ve 2016-2030 yılları için benzer şekilde tüm periyotların ortalamasına yakın seyretmektedir. 6 aylık kuraklık verilerinin akarsu kuraklık indeksi için gelecekteki kuraklık tahmininde kullanılmasının faydalı olacağı düşünülmektedir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, yapay zekâ yaklaşımlarının bir parçası olan yapay sinir ağları ve akarsu kuraklık indeksi yöntemi kullanılarak, Nallıhan bölgesinde yaşanabilecek olası kuraklığın tahmin edilmesi amaçlanmıştır. Çalışmada, Sakarya Havzası’nda yer alan Nallıhan, Beypazarı, Mihalıççık, Çatacık, Göynük, Mudurnu, Seben ve Eskişehir meteoroloji istasyonları ve Nallıhan akım gözlem istasyonuna ait 1996-2015 yılları arasındaki veriler kullanılarak 2015-2030 yılları arasında oluşabilecek akımlar tahmin edilmiştir. ANN modelinin eğitim ve test aşamalarındaki korelasyon katsayısı sırası ile 0.990 ve 0.967 düzeyinde yüksek bir tutarlılıkla gerçekleşmiştir. ANN modelinin ortalama mutlak hata yöntemine göre hata performans değerleri, eğitim aşaması için 0.19 ve test aşması için 0.26’dır. Geçmiş ve YSA modeli kullanılarak elde edilen gelebilecek akım verileri kullanılarak su yılını oluşturan referans periyotlar (k1, Ekim-Aralık; k2, Ekim-Mart; k3, EkimHaziran; k4, Ekim-Eylül) için birikimli akım serileri oluşturulmuş ve akarsu kuraklık indeksi değerleri elde edilmiştir. Bu değerlere göre, 1997-2015 ve 2016-2030 arasında hafif kuraklık daha fazla görülmüş, ancak, orta şiddetli ve şiddetli kuraklıkların sayısı giderek artmıştır. Gelecekte bölgede, aşırı kurak dönemlerinde görülebileceği tahmin edilmektedir. Ekim-Mart arasındaki 6 aylık periyotta yaşanan kuraklıklar, 1997-2015 ve 2016-2030 yılları için benzer şekilde tüm periyotların ortalamasına yakın seyretmektedir. 6 aylık kuraklık verilerinin akarsu kuraklık indeksi için gelecekteki kuraklık tahmininde kullanılmasının faydalı olacağı düşünülmektedir.
Abstract
In this study, it is aimed to predict drought in Nallihan region by using streamflow drought indexand artificial neural network method which is a part of artificial intelligence approaches. The measured data of some meteorological stations (Nallihan, Beypazari, Mihaliccik, Catacik, Goynuk, Mudurnu, Seben and Eskisehir) in the Sakarya Basin and the Nallihan streamflow observation station between 1996 and 2015 were used to forecast 2015-2030 streamflow values. The correlation coefficient in the education and test stages of the ANN model was realized with a high consistencyof 0.990 and 0.967, respectively. According to the mean absolute error method, the error performance values of ANN model are 0.19 for the training phase and 0.26 for the test phase. Cumulative streamflow series were created for the reference periods (k1, October-December; k2,October-March; k3, October-June; k4, October-September) and the streamflow drought index valueswere obtained using measured and predicted values. According to these values, mild droughts weremore frequent between 1997-2015 and 2016-2030, but the number of moderate and severe droughtsincreased gradually. It is predicted that in the future, it may be seen in extreme arid periods in the region. Drought in the 6-month period between October and March is similar to the average of all periods for 1997-2015 and 2016-2030. The use of 6-month drought data for the streamflow drought index is expected to be useful in predicting future drought.