Optimizasyon teknikleri kullanılarak kuraklık hibrit tahmin modeli geliştirilmesi

İklim değişikliğinin neden olduğu unsurlardan biri de kuraklıktır. Kuraklık belirli bir bölgedeki yağış değerinin ortalama yağıştan daha az olduğunda meydana gelen, yer altı ve yer üstü su kaynaklarının yetersizliğinde oluşan doğal bir afettir. Kuraklık tahmini, su kaynaklarının yönetimi ve planlaması için önemlidir. Kuraklığı tanımlamak için Kuraklık İndeksleri kullanılmaktadır. Bu çalışmada Seyhan-Ceyhan Havzalarının Ocak 1989-Temmuz 2020 dönem aralığını kapsayan 14 meteoroloji istasyonu verileriyle 3, 4, 6 ve 12 aylık periyotlarda Standartlaştırılmış Yağış İndeksi (SYİ) ve Standartlaştırılmış Yağış Evapotranspirasyon İndeksi (SYEİ) ile kuraklık analizleri yapılmıştır. Genetik Algoritma kullanılarak SYİ değerleri hesap edilerek kuraklık tahmin modeli oluşturulmuştur. Daha sonra, farklı eğitim, test ve doğrulama oranlarıyla SYİ ve SYEİ tabanlı Yapay Sinir Ağı (YSA), Rastgele Orman (RO) ve Destek Vektör Makinesi (DVM) yöntemleri kullanılarak kuraklık tahminleri yapılmıştır. Çalışmanın son aşamasında, SYEİ temelli kuraklık tahmininde Ayrık Dalgacık Dönüşümü (ADD) ve Kalman Smooth Filtreleme (KSF) ön işleme teknikleri kullanılarak Yapay Sinir Ağları (YSA), Aşırı Gradyan Artırma (XGBoost), Destek Vektör Makinesi (DVM), Rastgele Orman (RO) ve En Yakın Komşu (K-NN) Algoritmaları ile de beş farklı hibrit model oluşturulmuştur. DVM ve XGBoost hibrit modellerinin sırasıyla, diğer ön işleme ve filtreleme teknikleriyle oluşturulan hibrit modellere göre daha iyi performans göstermiş oldukları tespit edilmiştir.