Uzun-kısa süreli bellek ağları kullanarak Asi Nehri'nde akım tahmini

Su kaynaklarının kontrol altına alınabilmesi ve sürdürülebilir kullanımının sağlanabilmesi için nehir akış tahmini gereklidir. Uzun süreli akış tahmini, hem kısa hem de uzun vadede su kaynakları planlaması ve yönetimi için büyük önem taşımaktadır. Nehir havzalarında geleneksel olarak yapılan anlık akım ölçümleri çok zaman almakta ve yüksek maliyet gerektirmektedir. Anlık yapılan ölçümler yerine, günümüz teknolojisiyle akış tahmini yapabilen yapay zekâ programları oldukça önemli gelişmeler ortaya koymaktadır. Gelişmeleri destekleyen ve kullanımı yaygınlaşan derin öğrenme sinir ağlarından uzun kısa süreli bellek (LSTM) sinir ağı performansı, günlük ve aylık ölçeklerde nehir akımlarının akış tahmini için değerlendirilmektedir. Bu çalışmada, Asi nehir havzası sınırları içinde kalan D19A006 No'lu Afrin akım gözlem istasyonu'ndan (AGİ) alınan günlük akım verileri ile LSTM modeli oluşturularak, modelin tahmin performansı analiz edilmiştir. Modelde kullanılan 2006-2018 yılları arasını kapsayan akım değerleri, test veri seti olarak kullanılmıştır. Oluşturulan model, Adam ve Adamax iyileştiricileri kullanılarak MSE, Huber ve LogCosh kayıp fonksiyonları ile test edilmiştir. En iyi tahmin modeli belirlenirken, gözlemlenen veriler ve tahmin modelleri karşılaştırılarak istatistiksel değerlendirme kriterleri belirlenmiştir. Değerlendirme kriterleri göz önüne alındığında Adamax iyileştiricisinin LogCosh kayıp fonksiyonunun daha iyi performansa sahip olduğu ve R² 0.9949 elde edildiği görülmüştür. Ayrıca, model analizine göre LSTM'nin günlük akış tahmininde farklı senaryolarla analizinde performans etkisinin genişletilebileceği ve su kaynaklarının sürdürülebilirliğini sağlamaya yardımcı olabileceği görülmüştür.