Türkiye Yağış Miktarlarının Yapay Sinir Ağları Ve Dalgacık Dönüşümü Yöntemleri İle Tahmini

Abstract

Bu çalışmada, Türkiye günlük meteorolojik verileri kullanılarak, yapay sinir ağları ve dalgacık analizi metotlarıyla günlük yağış verilerinin tahmin edilmesi amaçlanmıştır. Yağış tahmini üzerine, meteorolojik veriler yardımıyla geniş kapsamlı bir tahmin modeli, YSA ve dalgacık analizlerinin bir uygulaması olarak ilk kez ortaya konmuştur. İlk defa bu çalışmada yağış tahmini amacıyla yapay sinir ağları yöntemi ile birlikte kullanılan dalgacık dönüşümü verilerin hem zaman hem de frekans ortamında incelenmesine olanak sağlar. Özellikle son yıllarda, meteorolojik ve hidrolojik değişkenler üzerinde de çeşitli uygulamaları olan dalgacık analizi, verilerin periyodik ve karakteristik yapısının belirlenmesinde kullanılan, verilerin fiziksel yapısının bazı özelliklerinin ortaya çıkarılmasında faydalı olan bir yöntemdir. Çalışmada günlük yağış tahmini yapmak için, Türkiye genelinde dağılmış gözlem istasyonlarına ait günlük meteorolojik veriler kullanılmıştır. Bu veriler önce homojenlik analizlerinden geçirilmiş ve daha sonra homojenlik açısından uygun olan 14 istasyona ait veriler tahmin yapmak için seçilmiştir. Çalışmada önce orijinal meteorolojik veriler ile yapay sinir ağlarının üç farklı algoritması, yağış tahmini yapmak amacıyla kullanılmış, sonra ölçülmüş meteorolojik verilerin ayrık dalgacık dönüşümü bileşenleri kullanılarak yağış tahmini yapılmıştır. Sonuçta dalgacık-YSA yöntemlerinin performansının daha iyi olduğu bulunmuştur. Dalgacık dönüşümü yapay sinir ağlarının başarısını oldukça arttırmıştır. Performans ölçütleri açısından en iyi soncu Dalgacık-İBGYSA yöntemi vermiştir.

In this study, wavelet transforms and Artificial Neural Networks (ANN) have been applied to estimate the daily precipitation of Turkish meteorological data. Each of the meteorological data considered as input for the ANN model was decomposed into wavelet sub-series (DWs) by Discrete Wavelet Transform (DWT). Then, ANN configuration is constructed with appropriate DWs as input, and original precipitation time series as output. Wavelet transform, which can produce a good local representation of the signal in both the time and frequency domains, provides considerable information about the structure of the physical process to be modeled and has positive effects on ANN modeling ability. Because of these reasons, coupling wavelets with ANN can provide significant advantages. In this study, wavelet transforms and artificial neural networks have been applied to estimate the daily precipitation on Turkish meteorological data for the first time. Meteorological data obtained from DMİ (Turkish state meteorological services) were investigated for this study. Homogeneous analysis was applied by five different homogeneous tests to data. Then 14 stations were selected for precipitation estimation. In this study, firstly, precipitation estimation was applied with three different algorithm of artificial neural networks. Later wavelet transforms and ANN has been applied to estimate the daily precipitation. The estimation performance of the wavelet-ANN model is more superior to comparing with the performance of a classically trained ANN model and multi linear regression model.