Makine öğrenme yöntemleriyle Fırat havzasındaki sediment konsantrasyonunun tahmin edilmesi

Akarsular tarafından taşınan sediment miktarlarının bilinmesi barajların ekonomik ömürlerinin belirlenmesi, biriktirme haznelerinin tasarımı ve işletilmesi bunun yanı sıra havzanın erozyon karakteristiklerinin belirlenmesi için önemlidir. Bu yüzden taşınan katı madde miktarının doğru ölçülmesi veya belirlenmesi gereklidir. Son yıllarda karmaşık olayların tahmin edilmesinde oldukça sık kullanılan Yapay Sinir Ağları yöntemleri, Türkiye'nin en önemli havzalarından biri olan Fırat havzasında bulunan yedi farklı akarsu istasyonunda ölçülen sediment konsantrasyon değerinin tahmin edilmesinde kullanılmıştır. Ele alınan tüm istasyonlarda, sediment konsantrasyon değeri ile akarsu debisi arasındaki ilişkinin oldukça yüksek olduğu söylenebilir. Farklı girdi kombinasyonlarını oluşturularak tahmin yöntemlerinin başarısı belirlilik katsayısı (R2), Ortalama Mutlak Yüzde Hata (OMYH) ve Karekök Ortalama Karesel Hata (KOKH) değerleriyle belirlenmiştir. Çalışma sonucunda, kullanılan yöntemler arasında Yapay Sinir Ağları (YSA) yönteminin tez çalışmasında kullanılan diğer yöntemlere kıyasla ölçülen daha yakın tahminde bulunduğu belirlenmiştir. Tahmin yöntemleri, kullanılan istasyonlar arasında 2115 Göksu Nehri Malpınar istasyonunda en başarılı sonuçları vermiştir. Yapay sinir ağlarından elde edilen veriler ile gözlem istasyonlarından alınan gözlem değerleri karşılaştırılmış ve elde edilen sonuçlar ile makine öğrenme yöntemlerinin sediment miktarlarının modellenmesinde ve tahmininde kullanılabileceğini göstermiştir.