İleri Veri İşlem Yöntemleri ile Su Kaynaklarının Kullanımı ve Planlanmasının Optimizasyonu

Canlı yaşamının devam etmesi için gerekli olan en temel maddelerden biri sudur. Gelecekte ve günümüzde nüfus artışına yanıt verebilecek temiz su kaynaklarının korunması ve geliştirilmesi, gerekliliği büyük önem arz etmektedir. Su insanoğlunun enerji ihtiyacını karşılayan ve hayatta kalmasını sağlayan en temel kaynaklardan birisidir. Mevcut su potansiyelinin tasarruflu kullanılması su ve kullanımının verimli hale getirilmesi gerekmektedir. Nehir akım hızı zaman serisi kullanılarak ileriye dönük su potansiyeli tahmini yapılabilmektedir. Akım gözlem istasyonlarında günlük ölçümler yapılmaktadır. Bu verilere dayalı olarak, matematik modellerle ve makine öğrenmesi sistemleri ile tahmin çalışmaları yürütülmektedir. Bu çalışmada inceleme bölgesi olarak seçilen Çatalca Istıranca nehrine ait günlük ve aylık ortalama akım, bölgeye ait günlük toplam yağış miktarı ve günlük ortalama hava sıcaklık değerleri göz önüne alınmıştır. İstatistiksel olarak 2004-2020 inceleme dönemine ait, günlük ortalama akım 2.97 m3/s, günlük toplam yağış 2.73 (mm=kg/m2) ve ortalama hava sıcaklığı değeri 12.57 °C olarak saptanmıştır. Makine öğrenme yöntemlerinden Lineer Regresyon, Destek Vektör, Karar Ağacı, Rasgele Orman, Ekstra Ağaçlar, Dalgacık yöntemleri kullanarak akarsu akış miktarının zamanla değişimi tahmin edilmiştir. Uygulanan modellerin başarı performansları karşılaştırılmış, akış miktarı tahmininde Ekstra Ağaçlar (%90.48) ve Rasgele Orman (%88.96) diğer yöntemlere göre daha başarılı bulunmuştur.

One of the most basic substances necessary for the continuation of life is water. The necessity of protecting and developing clean water resources that can respond to population growth in the future and today is of great importance. Water is one of the most basic resources that meet the energy needs of human beings and ensure their survival. It is necessary to use the existing water potential economically and to make water and its use efficient. Forward estimation can be made using the time series of river flow rates. Measurements are made daily at flow observation stations. With the data we get from here, we can make predictions with mathematical models and today's machine learning systems. Regression analysis is one of the methods used. In this study, the daily and monthly flow rate, precipitation and air temperature values of the Çatalca-Istıranca River, which was selected as the study area we determined, were taken into account. Statistically, the daily average flow 2.97 m3/s, daily total precipitation 2.73 (mm=kg/m2) and average air temperature value for the 2004-2020 review period has been determined as 12.57 °C. The variation of stream flow over time was estimated by using the machine learning methods Linear Regression, Support Vector, Decision Tree, Random Forest, Extra Trees and Wavelet methods. The success performances of the applied models were compared, and the success ratio of the Extra Trees (90.48%) and Random Forest (88.96%) methods were found to be higher than the other methods in estimating the flow rate.