Ozyer, BarisÇintaş, EmreHanay, SinanTosunoglu, Fatih2026-03-262026-03-2620201307-90852149-458410.18185/erzifbed.780477https://doi.org/10.18185/erzifbed.780477https://search.trdizin.gov.tr/en/yayin/detay/476919/monthly-streamflow-forecasting-using-machine-learninghttps://hdl.handle.net/20.500.14901/4034Nehir akımı tahmini herhangi bir havzadaki su kaynaklarının planlanması, dizaynı ve yönetiminde oldukça önemli rol oynamaktadır. Doğru nehir akımı tahmini su kaynakları sistemlerinin teknik ve ekonomik açıdan daha yararlı tasarlanmasını sağlamaktadır. Bu çalışmada, farklı makine öğrenmesi algoritmaları Çoruh havzasındaki aylık nehir akımlarının modellenmesinde kullanılmıştır. Kullandığımız veri kümesi 1963 ve 2011 yıllarındaki aylık ortalama nehir akımını içermektedir. Makine öğrenmesi modeli için, Destek Vektör Makineleri (SVM), Adaptif Yükseltme (AdaBoost), K En Yakın Komşular (KNN) ve Rassal Ormanlar gibi makine öğrenmesi algoritmaları kullanılmış ve karşılaştırılmıştır. Kullanılan modellere ait test skoru sonuçlarına göre Rassal Orman tabanlı model diğer modellere göre daha iyi sonuç vermiştir.eninfo:eu-repo/semantics/openAccessSu KaynaklarıBilgisayar BilimleriYazılım MühendisliğiArticle