FFNN, ANFİS ve LSTM modelleri kullanarak fırat havzasının aylık akım tahmini

Su kaynaklarının etkin bir şekilde kullanılabilmesi için kontrol ve yönetiminin doğru bir şekilde yapılması gerekir. Su kaynaklarının planlanması ve yönetimi içerisinde yer alan su yapıları ve çevresinin şehirleşme, nüfus artışı ve suya olan talebin de hızlı bir şekilde arttığını düşünecek olursak suyun akış tahminlerinin ayrıntılı olarak araştırılıp doğru verilerin elde edilmesi gerekir. Kısaca, suyu kontrol etmek için mevcut ve gelecekteki potansiyelinin bilinmesi gerekmektedir. Bu çalışmada, akarsu akımlarının tahminine yardımcı olabilecek modellemeler üzerine hesaplamalar yapılmıştır. Genel olarak su akışı tahmini için geleneksel ve Yapay Zekâ (AI) olmak üzere iki tür model kullanılır. Geleneksel yöntemlerin aksine AI modelleriyle doğrusal ve sabit olmayan su akım tahminlerde bulunmak daha etkili sonuçlar vermektedir. Çalışmamızda Fırat Havzası'nın aylık su akımı tahmini için İleriye Beslemeli Yapay Sinir Ağları (FFNN), Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS) ve Uzun Kısa Vadeli Hafıza Ağları (LSTM) olmak üzere üç farklı yapay sinir modeli kullanılmıştır. Hesaplamalarda Fırat Havzası'nın dört istasyonundaki 1981-2011 yıllar arası veriler kullanılmıştır. FFNN ve ANFIS modellerini çalıştırabilmek için Matlab programı, LSTM modeli için ise Payton programı uygulanmıştır. Sonuçlar karşılaştırıldığında ANFIS'in diğer modellere göre, LSTM modeli ise FFNN modeline göre daha iyi sonuçlar verdiği görülmüştür. Bu modellerin performans kriterlerini belirlemek için en çok tavsiye edilen model değerlendirme indislerinin üç tanesi kullanılmıştır. Bu değerlendirme indisleri; Ortalama Mutlak Hata (MAE), Korelasyon Katsayısı (R) ve Nash Sutcliffe Verimlilik (NSE)'dir. Anahtar Kelimeler: Akım Tahmini, ANFIS, FFNN, LSTM