Bir havza sisteminin matematiksel modellenmesi

İnsan yaşamı doğayla iç içedir. Doğada meydana gelen değişimler insan hayatını doğrudan etkiler. Kuraklık ve sel gibi doğal afetler insan tarihi boyunca insanların yüzleştiği en önemli sorunlardan olmuştur. Bu doğal afetlerin birçok nedeni olsa da en önemli nedenlerinden birisi su kaynaklarının etkin kullanılmaması ve iyi yönetilememesidir. Su kaynaklarını etkin kullanmak için mevcut bölgedeki nehirlerin günlük ve yıllık debi değerlerini bilmek ve buna göre aksiyona geçmek gerekmektedir. Su kaynaklarını yönetmek ve olası durumlara karşı tedbir alabilmek için ise debi değerlerini tahmin etmek büyük önem taşımaktadır. Yapay zeka yöntemleri birçok alanda uzun zamandır etkili ve başarılı bir şekilde kullanılmaktadır. Son zamanlarda hidrometeorolojik alanda da kullanımı artmıştır. Doğrusal ve doğrusal olmayan sistemlerde başarılı bir şekilde kullanılan ve bir kara kutu modeli olan yapay sinir ağları özellikle fiziksel modeli zor ve karmaşık olan veya fiziksel modeli tam olarak belirlenemeyen sistemlerin modellenmesinde oldukça başarılıdır. Yapay sinir ağları, fiziksel modellerde bulunan karmaşık matematiksel işlemleri yapmadığı için hızlı ve sadece girdi-çıktı verileri ile sistemi modellediği için uygulaması kolay bir yöntemdir. Bu avantajlarından dolayı oldukça tercih edilen bir yöntemdir. Yapay sinir ağlarının tahmin başarısı uygulanan alana göre değişiklik göstermektedir. Bu tahmin başarısını arttırmak için dalgacık dönüşümü yönteminden yararlanılmıştır. Dalgacık dönüşümü bir işareti, frekans ve zaman uzayında analiz eden bir yöntemdir. Dalgacık analizinde, hem frekans hem zaman çözünürlüğü iyi olduğundan dolayı işaretin taşıdığı bilgiler daha iyi incelenebilmektedir. Bu çalışmada, günlük debi tahmini yapmak için Trakya bölgesinde bulunan Ergene havzasına dağılmış istasyonlara ait günlük meteorolojik ve debi verileri seçilmiştir. 8 istasyona ait meteorolojik ve debi verileri tahmin yapmak için seçilmiştir. Çalışmanın ilk aşamasında sadece debi verileri, geleneksek YSA yönteminde tahmin yapmak için kullanılmıştır. Daha sonra aynı orijinal veriler ayrık dalgacık dönüşümü ile bileşenlerine ayrılmış ve en etkin olan bileşenler seçilmiştir. Seçilen bu bileşenler YSA yapısına girdi olarak sunulmuş ve debi tahmini yapılmıştır. Bu iki model sonuçları karşılaştırılmış ve performans ölçütleri göz önüne alındığında, dalgacık yapay sinir ağının, geleneksel yapay sinir ağından daha iyi sonuç verdiği gözlemlenmiştir. Çalışmada daha sonra hem meteorolojik veriler hem debi verileri, debi tahmini yapmak için kullanılmıştır. Bu veriler ayrık dalgacık dönüşümü ile bileşenlerine ayrılmış ve en etkin bileşenler YSA modeline girdi olarak sunulmuştur. Meteorolojik verilerin kullanılması tahmin başarısını arttırmıştır. Bu çalışmada, meteorolojik veriler ve debi verileri kullanılarak, yapay sinir ağı ve dalgacık analizi yöntemleri ile günlük debi tahmininin yapılması amaçlanmıştır. Yapay sinir ağları ile dalgacık dönüşümü yöntemlerinin debi tahmininde birlikte başarıyla kullanılabileceği gösterilmiştir.