Dalgacık Dönüşüm Modelli Yapay Zekâ Teknikleri Kullanılarak Orta Anadolu Bölge İstasyonlarının Yağış Tahmini


Creative Commons License

Çıtakoğlu H., Coşkun Ö.

HARRAN ÜNİVERSİTESİ MÜHENDİSLİK DERGİSİ, cilt.6, sa.1, ss.39-54, 2021 (Hakemli Dergi)

Özet

Meteorolojik koşullarda önemli bir parametre olan yağış verilerinin belirlenmesi; tarım, enerji, çevre, ulaşım, lojistik ve afet kontrolü gibi birçok sektörü doğrudan etkilemektedir. Geleceğe yönelik yağış verilerinin doğru tahmin edilmesi, özellikle insanların günlük hayatını kolaylaştıracaktır. Önceki dönemlere ait yağış verilerinin kullanılması, gelecek dönemlerin yağış tahminlerine ve erken uyarı sistemlerinin kurulmasına olanak sağlayacaktır. Bu çalışmada, Türkiye’nin Orta Anadolu Bölgesi istasyonlarının 1990−2015 yılları arasındaki aylık toplam yağış verileri kullanılarak geleceğe yönelik yağış tahminleri yapılmıştır. Yağış tahmini için iki farklı yaklaşımda bulunulmuştur. Bu yaklaşımlardan ilki, önceki dönemlere ait istasyonların aylık toplam yağış verilerine sadece yapay sinir ağı (YSA) ve uyarlamalı sinirsel bulanık çıkarım sisteminin (ANFIS) uygulanmasıdır. Diğer yaklaşım ise dalgacık dönüşüm modelinin hem YSA hem de ANFIS’e uygulanmasıdır. Bu modellerde 1990−2009 yılları arasındaki aylık toplam yağış verileri eğitim verileri olarak, 2010−2015 yılları arasındaki veriler ise test verileri olarak kullanılmıştır. Yağış verileri t−2 ve t−1 zamanları için giriş verisi olarak kullanılmış olup t zamanındaki yağışlar tahmin edilmeye çalışılmıştır. Bu modellerin tahmin performansları, determinasyon katsayısı gibi istatistiksel kriterlere göre değerlendirilmiştir. Determinasyon katsayısına (0.011 ile 0.189) göre yağış verilerine YSA ve ANFIS metotları uygulanması ile yapılan tahminler kötü sonuçlar vermektedir. Determinasyon katsayısına göre Dalgacık dönüşümlü YSA (DD−YSA) ve dalgacık dönüşümlü ANFIS (DD−ANFIS) modelleri ise geleceğe dönük yağış verilerinin tahmininde daha başarılıdır. Ayrıca bu çalışmada ortaya çıkan önemli sonuçlardan biri de istatistiksel kriterlere göre DD−ANFIS ve DD−YSA modellerinin birbirine çok yakın sonuçlar vermesidir. 

Determination of precipitation data, which is an important parameter in meteorological conditions; it directly affects many sectors such as agriculture, energy, environment, transportation, logistics and disaster control. Correct prediction of future precipitation data will make the daily life of people easier, especially. Using rainfall data from previous periods will allow precipitation forecasts for future periods and establishment of early warning systems. In this study, Turkey's Central Anatolia Region stations rainfall predictions for the future are made using monthly total precipitation data from 1990−2015 year. Two different approaches have been taken for precipitation predictions. The first of these approaches is to apply only artificial neural network (ANN) and adaptive neural fuzzy inference system (ANFIS) to monthly total precipitation data of stations belonging to previous periods. Another approach is to apply the wavelet transform model to both ANN and ANFIS. In these models, monthly total precipitation data between 1990 and 2009 were used as training data, and data between 2010 and 2015 were used as test data. Precipitation data were used as input data for times t−2 and t−1, and precipitation at time t was tried to be predicted. The prediction performances of these models were evaluated according to statistical criteria such as determination coefficient. According to the coefficient of determination (0.011−0.189), the predictions made by applying ANN and ANFIS to the precipitation data give bad results. According to the coefficient of determination, ANN with wavelet transform (WT−ANN) and ANFIS with wavelet transform (WT−ANFIS) models are more successful in predicting future precipitation data. In addition, one of the important results of this study according to statistical criteria is that the WT−ANN and WT−ANFIS models give very similar results to each other.