Akarsularda taşınan toplam katı madde miktarının yapay zeka metotları ile tahmin edilmesi

Akarsu yapılarının planlanması ve projelendirilmesinde nehirlerde taşınan toplam katı madde miktarının doğru bir şekilde tahmin edilmesi, su kaynakları mühendisliğinde hayati önem taşımaktadır. Genellikle katı madde miktarı ya sediment gözlem istasyonlarından yapılan doğrudan ölçümlerle ya da literatürde bulunan katı madde hareketi denklemlerinden yararlanılarak belirlenmektedir. Bu denklemler akarsu ile katı maddenin farklı sayıda parametreleri için farklı formlarda yazılmışlardır. Bunların bazıları laboratuar, bazıları arazi verileri veya teorik yöntemlerle elde edilmişlerdir ve değişik uygulamalarda çok farklı sonuçlar vermektedirler.Bu tezde, toplam katı madde miktarını modellemek için iki ayrı senaryo düşünülmüştür. Birinci senaryoda hem laboratuar hem de saha verilerine dayalı ayrı ayrı yapay zeka modelleri oluşturulmuş ve yapay zeka modellerinin tahminleri literatürde sıkça kullanılan toplam katı madde hareketi denklemleriyle kıyaslanmıştır. Bu senaryoda yeni bir yapay zeka modeli olan uygunluk vektör makinesi de (RVM) toplam katı madde miktarı tahmini için kullanılmış, model performansının diğer metotlardan daha iyi olduğu gözlemlenmiştir. İkinci senaryoda ise yeni bir yapay zeka modeli olan uygunluk vektör makinesi (RVM) toplam katı madde miktarının tahmini için kullanılmış, RVM'in eğitim aşaması yalnızca laboratuar verileriyle yapılmış ve modelleri test etmek için de saha verileri kullanılmıştır. Bu senaryoda ise RVM tahminleri katı madde hareketi denklemlerinin tahminleriyle karşılaştırılmış, RVM sonuçlarının bu denklemlerden daha doğru ve güvenilir tahminler verdiği gözlemlenmiştir. Ayrıca sadece laboratuar verilerine dayalı geliştirilen RVM modelinin saha şartları için de iyi tahminler vermesi, hem laboratuar kanallarında hem de nehirlerde meydana gelen katı madde hareketi olayındaki temel fiziksel süreçlerin aslında aynı olabileceği fikrini uyandırmıştır. RVM modelinin başarılı ekstrapolasyonlar yapabilmesi için modeldeki girdi boyutsuz parametrelerinin laboratuar ve saha verileri için aynı ve uygun aralıkta seçilmesi gerektiği de bu senaryoda gösterilmiştir.