Su kaynakları yönetiminde veri güdümlü karar destek için derin öğrenme tabanlı hibrit akım tahmin modeli uygulaması

OpenAlex Türkçe

Akarsu akımlarının doğru bir şekilde tahmin edilmesi su kaynakları yönetimi, taşkın kontrolü ve hidrolojik planlama açısından büyük önem taşımaktadır. Doğru akım tahminleri sadece teknik bir veri değil enerji üretimi, tarımsal planlama ve afet yönetimi gibi kritik sektörlerde stratejik karar verme süreçlerinin iyileştirilmesi için hayati bir bileşendir. Son yıllarda makine öğrenmesi ve derin öğrenme tabanlı yöntemler, hidrolojik zaman serilerinin modellenmesinde yaygın olarak kullanılmakta ve klasik istatistiksel yöntemlere göre daha başarılı sonuçlar verebilmektedir. Bu çalışma, su kaynakları yönetiminde karşılaşılan belirsizlikleri minimize etmek amacıyla, veri güdümlü karar destek mekanizmalarına temel teşkil edecek derin öğrenme tabanlı hibrit bir yaklaşım sunmaktadır. Çalışmada günlük akım tahmini amacıyla doğrusal regresyon, Uzun Kısa Süreli Bellek (Long Short-Term Memory, LSTM) ve Kapılı Tekrarlayan Birim (Gated Recurrent Unit, GRU) modellerinin performansları karşılaştırılmış ve derin öğrenme tabanlı modellerin birleştirilmesine dayanan hibrit bir model yaklaşımı önerilmiştir. Model giriş değişkenleri oluşturulurken akım serisinin geçmiş davranışını temsil edebilmek amacıyla maksimum yedi günlük gecikme değerleri dikkate alınmıştır. Modellerin performansı Determinasyon Katsayısı (R²), Nash–Sutcliffe Verimlilik Katsayısı (NSE), Kling–Gupta Verimlilik Katsayısı (KGE), Ortalama Hata Sapması (MBE), Yüzdesel Sapma (PBIAS) ve Willmott uyum katsayısı (d) kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, doğrusal regresyon modeline kıyasla derin öğrenme tabanlı modellerin daha yüksek tahmin doğruluğu sağladığını göstermiştir. Tekil modeller arasında GRU modelinin en iyi performansı sergilediği belirlenmiştir. Bununla birlikte çalışmada önerilen LSTM–GRU hibrit modelin Karesel Ortalama Hata (RMSE) ve Ortalama Mutlak Hata (MAE) değerlerinde daha düşük hata üretmesi ve R 2 , NSE ve Willmott d değerlerinde daha yüksek uyum sağlaması nedeniyle en başarılı model olduğu görülmüştür. Elde edilen bulgular, bu tür hibrit yaklaşımların akıllı şehir yönetimi ve sürdürülebilir kaynak planlama sistemlerine entegre edilebilirliğini kanıtlamaktadır.