Estimating the long term average flow rates of tigris basin using machine learning methods
Yükleniyor...
Dosyalar
Tarih
2016
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Batman Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
The discharge of a river is one of the most important parameters of the hydraulic and hydrological studies
such as hydropower production, canal design, irrigation, basin management. Each basin has different
climate and geological characteristics which influence the regional infiltration capacity and runoff. The
aim of this study is to estimate the average annual flow rates of ungauged locations on the Tigris River
Basin. In total, eleven machine learning methods were applied to the long-term average annual discharge
and the drainage area data of 34 flow measurement stations (FMS). Among all methods employed here,
the conventional regression analysis was found to be the most successful test with a correlation
coefficient (R
2
value) of 0.96. The equation of the best fitted linear line represents the relationship
between the drainage area and the discharge. The results of this study are expected to enable the
prediction of the average annual flow rate of any sub-basin of the Tigris River.
Herhangi bir nehrin akım parametrelerinin bilinmesi, enerji üretimi, kanal tasarımı, sulama, havza planlama projeleri ve diğer hidrolik ve hidrolojik çalışmalarda hayati önem arz etmektedir. Her havzanın kendine has iklim durumu, yağış koşulları ve zemin yapısı olduğu için sızma (infiltrasyon) ve akış parametreleri de haliyle farklı olmaktadır. Bu çalışmanın amacı, Dicle havzası üzerinde, akım ölçüm istasyonu bulunmayan alt havzaların yıllık ortalama debi değerlerinin, yağış alanının bir fonksiyonu olarak belirlenmesidir. Bu kapsamda, uzun dönem yıllık ortalama akım ve yağış alanı verileri bulunan 34 adet akım ölçüm istasyonuna (FMS) 11 adet yapay öğrenme metodu uygulanmıştır. Klasik regresyon analizi, 0,96 korelasyon değeri (R 2 ) ile en başarılı test olarak elde edilmiş ve havza için debi ve yağış alanı arasındaki ilişkiyi gösteren lineer bir denklem türetilmiştir. Bu çalışma ile Dicle nehrinin alt havzalarında ve akım ölçüm istasyonu bulunmayan yerlerde yıllık ortalama debi tahmini yapılabilecektir.
Herhangi bir nehrin akım parametrelerinin bilinmesi, enerji üretimi, kanal tasarımı, sulama, havza planlama projeleri ve diğer hidrolik ve hidrolojik çalışmalarda hayati önem arz etmektedir. Her havzanın kendine has iklim durumu, yağış koşulları ve zemin yapısı olduğu için sızma (infiltrasyon) ve akış parametreleri de haliyle farklı olmaktadır. Bu çalışmanın amacı, Dicle havzası üzerinde, akım ölçüm istasyonu bulunmayan alt havzaların yıllık ortalama debi değerlerinin, yağış alanının bir fonksiyonu olarak belirlenmesidir. Bu kapsamda, uzun dönem yıllık ortalama akım ve yağış alanı verileri bulunan 34 adet akım ölçüm istasyonuna (FMS) 11 adet yapay öğrenme metodu uygulanmıştır. Klasik regresyon analizi, 0,96 korelasyon değeri (R 2 ) ile en başarılı test olarak elde edilmiş ve havza için debi ve yağış alanı arasındaki ilişkiyi gösteren lineer bir denklem türetilmiştir. Bu çalışma ile Dicle nehrinin alt havzalarında ve akım ölçüm istasyonu bulunmayan yerlerde yıllık ortalama debi tahmini yapılabilecektir.
Açıklama
Anahtar Kelimeler
Average annual discharge, the Tigris River, regression analysis, machine learning methods, ungauged basin, Ortalama debi, Dicle nehri, regresyon analizi, otomatik öğrenme, akım ölçüm istasyonu
Kaynak
WoS Q Değeri
N/A
Scopus Q Değeri
N/A
Cilt
6
Sayı
2/2
Künye
Muratoğlu, A., Yüce, M. İ., (2016). Estimating the long term average flow rates of tigris basin using machine learning methods. Batman Üniversitesi Yaşam Bilimleri Dergisi, 6 (2/2), pp. 32-40.
