Doğadan ilham alan optimizasyon teknikleri ve yapay sinir ağları ile taşkın ötelemesi

Bu tez kapsamında yapay arı kolonisi algoritması, parçacık sürüsü optimizasyon algoritması, ateş böceği algoritması, Kurbağa sıçrama algoritması ve genetik algoritma gibi doğadan ilham alan optimizasyon algoritmaları ile yapay sinir ağının ağırlık ve yanlılık parametreleri optimize ederek taşkın ötelemesi yapılmıştır. Tahmin sonuçları tekil yapay sinir ağı algoritması ile karşılaştırılarak meta sezgisel optimizasyon tekniklerinin taşkın ötelemesi tahmin performansı değerlendirilmiştir. Tahminleri için Ordu-Turna suyundaki 2009 ve 2013 yılında meydana gelen taşkın verileri kullanılarak yapılmıştır. Modelleme sırasında memba istasyonundaki 30 dakikalık akımlar girdi ve mansaptaki 30 dakikalık akımlar hedef değişkeni olarak kullanılmıştır. Modelin kurulumunda verilerin %70'i eğitim ve %30'u test olarak ayrılmıştır. Kurulan modellerin performansı kök ortalama kare hata (RMSE), ortalama mutlak hata (MAE), Akaike Bilgi Kriteri (AIC), Nash-Sutcliffe Verimliliği (NSE), Kling-Gupta Verimliliği (KGE), determinasyon katsayısı (R2), ortalama yanlılık hatası (MBE), yanlılık faktörü (BF) ve yüzde yanlılık (Pbias) gibi istatistiksel metriklere göre sınanmıştır. Analizler sonucunda ABC-ANN hibrit modeli 2009 taşkınlarını RMSE:1.84, AIC:71.63, KGE:0.94, R2 :0.97, ve Pbias:1.07 değerleri ve 2013 taşkınlarını ise RMSE:1.23, AIC:19.99, NSE:0.95, R2 :0.95, ve Pbias:0.63 değerleri ile en iyi tahminde bulunmuştur. Ayrıca RMSE değerlerinin yüzde değişlerine göre meta sezgisel optimizasyon algoritmaları tekil yapay sinir ağı modelini hata düzeyini taşkın tahmininde %45 ile %93 aralığında azalttığı tespit edilmiştir. Ek olarak, model performansları ısı haritaları, kümülatif dağılım grafikleri, Taylor diyagramları, keman grafikleri, kutu diyagramları, saçılma grafikleri, sütun grafikleri ve çizgi grafikleri ile görselleştirilerek ABCANN hibrit yaklaşımının üstünlüğü vurgulanmıştır. Buna göre sürü üyelerinin birbirleriyle etkileşimini taklit ederek yerel optimuma takılma riskini azaltan ve en uygun model parametrelerinin belirlenmesine yardım eden ABC-ANN modeli en doğru tahmin sonuçları üretmiştir. Çalışmanın sonuçları karar vericilere ve politika yapıcılara olası taşkın risklerini önceden görme, proaktif önlemler alma ve uygun müdahale stratejileri geliştirme açsından yardımcı olmaktadır. Anahtar Kelimeler: hiper parametre optimizasyonu, sürü zekâsı, taşkın ötelemesi, yapay zekâ