Doğu Karadeniz havzasının L-momentlere dayalı taşkın frekans analizinde yapay zeka yöntemlerinin uygulanması

Abstract

Bu çalışmada, Türkiye'nin Doğu Karadeniz Havzası'ndaki 33 akım gözlem istasyonuna taşkın frekans analizi uygulanmıştır. Bölgenin homojenliği, L-momentler yöntemine dayalı uyumsuzluk ölçüsü (Di) ve heterojenlik ölçüsü (Hi) ile kontrol edilmiştir. Elde edilen homojen bölgeye, ekstrem-değer tip I, genelleştirilmiş-ekstrem değer, log normal, log Pearson tip III ve genelleştirilmiş lojistik dağılımlarının uygunluğu sınanmıştır. Uygun dağılımların belirlenmesi için Ki-kare ve olasılık çizgileri korelasyon testleri kullanılmıştır. Her bir istasyona uygun olan dağılımlara göre T= 5, 10, 25, 50, 100 ve 500 yıl tekerrürlü taşkın debileri hesaplanmıştır. Bölgede ölçümü olmayan yerlerde taşkın debisi tahmini için lineer olmayan regresyon modeli geliştirilmiştir. Regresyon modelinde, bağımsız değişkenler olarak drenaj alanı, eğim, kot, drenaj yoğunluğu, yıllık ortalama yağış ve yağış şiddeti değerleri kullanılmıştır. Regresyon analizinin performansını değerlendirmek için, Ortalama Rölatif Hata (ORH) Ortalama Mutlak Hata (OMH) ve Ortalama Karesel Hatanın Karekökü (OKHK) değerleri hesaplanmıştır. Yapay arı kolonisi (ABC) ve öğretme-öğrenme tabanlı algoritma (TLBO) modelleri geliştirilerek elde edilen sonuçlar regresyon analizi ile karşılaştırılmıştır. Analizler, ABC ve TLBO sonuçlarının regresyon analizine göre daha iyi model oluşturduğunu göstermiştir. Hata değerleri dikkate alındığında, TLBO'nun da ABC'ye göre farklı bağımsız değişkenler için taşkın debisi tahmininde daha iyi sonuçlar verdiği gözlemlenmiştir. Çalışmada ayrıca, drenaj alanı, eğim, kot, drenaj yoğunluğu, yıllık ortalama yağış ve tekerrür periyotları kullanılarak yapay sinir ağı (YSA) ve çoklu lineer olmayan regresyon analizi (ÇLOR) ile modeller geliştirilmiştir. Maksimum debiyi tahmin etmede, YSA'nın ÇLOR'ye göre daha güvenilir tahminler verdiği görülmüştür. In this study, a regional flood frequency analysis (RFFA) is applied to 33 gauging stations in the Eastern Black Sea Basin, Turkey. Homogeneity of the region is determined by discordancy (Di) and heterogeneity measures (Hi) based on L-moments. Extreme-value type I, generalized extreme-value, lognormal, log Pearson type III, and generalized logistic distributions are fitted to the flood data of the homogeneous region. Chi square and probability plot correlation tests are used for the determination of best fit distributions for each station. Based on the appreciate distributions for each site, flood quantiles are estimated for the return periods of T=5, 10, 25, 50, 100, and 500 years. A non linear regression model is developed for the estimation of design floods for ungauged catchments in the region. Drainage area, main stream slope, elevation, stream density, mean annual rainfall and rainfall intensities are used as independent variables in the regression model. Mean relative error, root mean square error, and mean absolute error values are applied to the model in order to evaluate the performance of regression analysis. Artificial bee colony algorithm (ABC) and teaching-learning based optimization (TLBO) models are developed to compare the results with regression analysis. The analysis has concluded that TLBO and ABC show a reasonable performance and they are superior to the regression analysis. Finally, error values indicate that TLBO method yields better results than ABC for estimation of flood quantiles for different independent variables. Furthermore; artificial neural networks (ANN) and multiple non linear regression analysis (MNLR) models are developed using drainage area, main stream slope, elevation, stream density, mean annual rainfall and return periods. ANN is found to give more reliable results than MNLR for forecasting the maximum possible discharges.