Türkiye'nin Nehirlerinde Eksik Akım Verilerinin Tamamlanması için Çeşitli Veri Odaklı Tekniklerin Performans Değerlendirmesi

Abstract

Eksik veriler, su kaynaklarının etkin bir şekilde planlanması ve yönetilmesinin önünde her zaman bir engel teşkil etmektedir. Su kaynaklarının optimal tasarımı için eksiksiz ve güvenilir hidrolojik zaman serileri gereklidir. Türkiye genelinde 54 gözlem istasyonunun eksik akış verilerinin doldurulması için bir çalışma yapılmıştır. Doğrusal regresyon (LR), yapay sinir ağı (ANN), uyarlanabilir nöro-bulanık çıkarım sistemi (ANFIS), Destek vektör makinesi (SVM), Çok değişkenli uyarlanabilir regresyon eğrileri (MARS) ve K-en yakın komşu (KNN) kullanılarak tahminler gerçekleştirilmiştir. Yöntemlerinin performansları dört performans kriterine göre değerlendirilmiştir; bunlar, ortalama kare hata (RMSE), belirleme katsayısı (R2), ortalama mutlak hata (MAE) ve Kling-Gupta verimliliği (KGE) dir. Bir istasyonda eksik akış verilerinin doldurulması için, çevredeki istasyonlardan alınan güvenilir ve uzun akış verileri girdi olarak seçilmiştir. Sonuçlar, tek bir yöntemin çalışma alanı için en uygun yöntem olarak belirlenemeyeceğini ortaya koymuştur. Test aşamasında, R2 0,54 ile 0,99 arasında ve KGE aralığı 0,62 ile 0,98 arasındadır. Bu çalışma, özellikle SVM ve MARS yöntemlerinin Türkiye'deki nehirlerdeki eksik akış verilerinin tahmin edilmesi için uygun olduğunu göstermiştir. Bu bulgular, hidrolojik modelleme ve su kaynakları planlaması ve yönetiminde kullanılabilecek güvenilir akış verileri sağlayacaktır.