ARTIFICIAL INTELLIGENT MODELS FOR FLOW PREDICTION:A CASE STUDY ON ALARA STREAM

Mustafa Erol KESKİN, Emine Dilek Taylan
1.369 749

Öz


Su yapılarının projelendirilmesinde, akım miktarı ile ilgili bilgilere ihtiyaç duyulur. Akım miktarının gelecekte, belli bir tarihte ne olacağının tahmini, taskın kontrolü amaçlı haznelerin isletilmesinde, akarsudaki su potansiyelinin belirlenmesinde, bir hidroelektrik santral için kurak dönemlerde üretimin nasıl etkileneceğinin bilinmesinde, içme ve sulama suyunun dağıtımında ve akarsulardaki ulasımın planlanmasında önem tasımaktadır. Akım tahminin de kullanılan metotlar, kısa süreli akım tahmini için, yağıs akıs modelleri ya da akım öteleme modelleri; uzun süreli akım tahmini için ise indis değiskeni modelleri, su bütçesi modelleri, yağıs akıs modelleri ve zaman serisi modelleri olarak sayılabilmektedir. Çalısmada Akdeniz Bölgesi içerisinde yer alan, Alara Çayına ait akımların tahmininde mevcut tahmin metotlarına alternatif olarak, son zamanlarda hidrolojik problemlerin çözümünde yaygın kullanıma sahip olan yapay zeka yöntemlerden yapay sinir ağları (YSA) ve adaptif ağ temelli bulanık çıkarım sistemleri (ANFIS) yöntemleri kullanılmıstır. Yapay zeka yöntemlerde kullanılan akım miktarları 9-17 nolu akım gözlem istasyonuna ait aylık ortalama akım değerleridir. Zaman serileri akım tahmini çalısması sonucunda Markov modelleri ile mertebesi belirlenen Alara Çayı için, yapay zeka yöntemlerle akım tahmin yaklasımında girdi değiskenleri olarak önceki yılların akım değerleri ve periyodiklik için de cos(2Ï€i/12), sin(2Ï€i/12) değerleri seçilmislerdir. Karsılastırma sonucunda, YSA ile elde edilen tahminlerin geçmis akım verileri ile daha uyumlu sonuçlar verdiği görülmüstür.

Anahtar Kelimeler- Yapay Zeka Sistemler, Yapay Sinir Ağları, Adaptif Ağ Temelli Bulanık Cıkarım Sistemleri, Markov Modelleri, Akım Tahmini.

Abstract

For designing of water resources structures, information interesting in volume and rate of water is needed.Forecasting of flow in future is important for operating of flood control reservoirs, determining of potential flow in stream, amount of flow in drought periods evaluating of electric generation in a power plant, delivering of domestic and irrigation water, and planning of navigation in streams. A number of methods are used in flow forecasting. Predictionrunoff models or flood routing models are used for short time forecasting whereas water budget models, flood routing models and time series models are used for long time periods. In this study, for flow prediction of Alara Stream in Mediterranean Region artificial intelligent models used in solving of hydrological problems recently are developed as
alternative conventional methods. Artificial Neural Networks (ANN) and Adaptive Neural Based Inference Systems (ANFIS) are selected for modeling. Monthly mean flow data from the 9–17 station on the Alara Stream is used for artificial intelligence models. After determining model degree using Markov models, the input layer consisted of previous flows and cos (2Ï€i/12), sin (2Ï€i/12) (i =1, 2, ..., 12) for the effect of monthly periodicity, and the output layer contained a single flow value for time t for artificial models. When predicting results are compared for two modeling

Keywords- Artificial Intelligence Systems, Artificial Neural Networks, Adaptive Neural Based Inference Systems,
Markov Models, Flow Predicting.

Tam metin:

PDF




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 License.