Murat ÇOBANER, Emin BABAYİĞİT, BİLAL BABAYİĞİT

METEOROLOJİK VERİLER KULLANILARAK YERALTI SU SEVİYESİNİN GENETİK PROGRAMLAMA İLE TAHMİNİ

Tatlı su ihtiyacının önemli bir kısmı yeraltı suları tarafından karşılanmaktadır. Bu nedenle yeraltı sularının kalitesinin ve miktarının izlenmesi ve mevcut durumunun ortaya konması su yönetimi politikalarının geliştirilmesi bakımından önemlidir. Genetik programlama (GP) evrimsel tabanlı bir yaklaşımdır ve son yıllarda alternatif bir yapay zeka tekniği olarak kullanılmaktadır. GP, diğer yapay zeka tekniklerine göre değişkenler arasındaki ilişkilerden faydalanarak problemin bir matematiksel modelini ortaya koyabilme avantajına sahiptir. Bu çalışmada, meteorolojik veriler ve önceki günlere ait yeraltı su seviyeleri kullanarak yeraltı su seviyelerini tahmin etmek amacıyla çeşitli matematiksel modeller geliştirilmiştir. Matematiksel modellerin geliştirilmesine yeni bir GP yaklaşımı olan çok-genli genetik programlama (ÇGGP) uygulanmıştır. Çalışmada, Develi meteoroloji istasyonuna ve Karacaviran gözlem kuyusuna ait 2007-2009 yıllarına ait günlük veriler kullanılmıştır. Bir ay (30 gün) sonraki yeraltı su seviyelerini tahmin etmek için oluşturulan modellerin doğruluğu değerlendirilmiş ve çoklu doğrusal regresyon modelleri ile karşılaştırılmıştır. ÇGGP modelleri ile elde edilen sonuçların çoklu doğrusal regresyon modellerine göre dört farklı kritere göre daha iyi olduğu tespit edilmiştir. ÇGGP kullanarak oldukça basit ve kullanışlı modeller ortaya konmuştur.

ESTIMATION OF GROUNDWATER LEVEL WITH GENETIC PROGRAMMING USING METEOROLOGICAL DATA

The significant portion of freshwater needs is met by ground water. Therefore, paying attention to the monitoring of groundwater quality and quantity data and to reveal the current situation is necessary for the calculation of the potential for water development and water management policies. Genetic programming (GP) is an evolutionary-based approach and is used as an alternative to artificial intelligence techniques in recent years. GP has the advantage of revealing a mathematical model by using the relationships between variables. In this study, various mathematical models have been developed to predict the groundwater levels by using meteorological data and previous days of groundwater levels. To the development of mathematical models, a new GP approach, multi-gene genetic programming (MGGP), was implemented. The daily data obtained from Karacaviran observation wells and Develi meteorological station covering the years of 2007-2009 were used for the creation of the models. The accuracy of the generated models to predict the ensuing a month (30 days) groundwater levels were evaluated and compared with the multiple linear regression models. The results obtained with MGGP models were found to be better than multiple linear regression models based on four different criteria. Quite simple and useful models using MGGP have been revealed.

PDF

___

[1] AKKAYA, C., EFEOGLU, A., YEŞİL, N., "Avrupa Birliği Su Çerçeve Direktifi ve Türkiye'de Uygulanabilirliği", TMMOB Su Politikaları Kongresi, 195-204, Ankara, Türkiye, 2006.
[2] ÇOBANER, M., Kıyı Akiferlerinde Tuzlu Su Girişiminin Üç Boyutlu Simülasyonu Göksu Deltası Örneği, Doktora Tezi, Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Adana, 2009.
[3] YUKSEL, I., "Water management for sustainable and clean energy in Turkey", Energy Reports, 1, 129- 133, 2015.
[4] BAŞÇİFTÇİ, F., DURDURAN, S.S., İNAL, C., "Konya Kapalı Havzasında Yeraltı Su Seviyelerinin Coğrafi Bilgi Sistemi (CBS) ile Haritalanması", Harita Teknolojileri Elektronik Dergisi, 5, 1-15, 2013.
[5] KARABORAN, O., ÇOBANER, M., "Serbest Akiferlerdeki Yeraltı Su Seviyeleri ile Meteorolojik Veriler Arasındaki İlişkinin Yapay Sinir Ağları ile Belirlenmesi", Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 30, 376-384, 2014.
[6] YURTÇU, Ş., UYGUNOĞLU, T., İÇAĞA, Y., "Yeraltı Suyu Akımı ile Diğer Meteorolojik Değişkenler Arasındaki İlişkinin Bulanık Mantıkla Modellenmesi", Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 12, 285-292, 2006.
[7] AYTEK, A., KISI, O., "A Genetic Programming Approach to Suspended Sediment Modelling", Journal of Hydrology, 351, 288-298, 2008.
[8] KISI, O., GUVEN, A., "A Machine Code-Based Genetic Programming for Suspended Sediment Concentration Estimation", Advances in Engineering Software, 41, 939-945, 2010.
[9] GUVEN, A., KISI, O., "Monthly Pan Evaporation Modeling Using Linear Genetic Programming", Journal of Hydrology, 503, 178-185, 2013.
[10] MEHR, A.D., KAHYA, E., OLYAIE, E., "Streamflow Prediction Using Linear Genetic Programming in Comparison with a Neuro-Wavelet Technique", Journal of Hydrology, 505, 240-249, 2013.
[11] SEARSON, D.P., LEAHY, D.E., WILLIS, M.J., "GPTIPS: An Open Source Genetic Programming Toolbox for Multigene Symbolic Regression", Proceedings of the International Multi Conference of Engineers and Computer Scientist (IMECS'10), 17-19, Hong Kong, China, 2010.
[12] KUMAR, B., JHA, A., DESHPANDE, V., SREENVINASULU, G., "Regression Model for Sediment Transport Problems Using Multi-Gene Symbolic Genetic Programming", Computers and Electronics in Agriculture, 103, 82-90, 2014.
[13] MUDULI, K., DAS, S.K., "CPT-Based Seismic Liquefaction Potential Evaluation Using Multi-Gene Genetic Programming Approach", Indian Geotecnical Journal, 1, 86-93, 2013.
[14] KARABORAN, O., Serbest akiferlerdeki Yeraltı Su Seviyeleri ile Meteorolojik Veriler Arasındaki İlişkinin Yapay Sinir Ağları ile Belirlenmesi, Yükesk Lisans Tezi, Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri, 2013.
[15] KOZA, J.R., Genetic Programming. Massachusetts Institute of Technology, MIT Press, London, UK, 1992.
[16] KOZA, J.R., Genetic Programming III: Darwinian Invention and Problem Solving, Morgan Kaufmann, San Francisco, USA, 1999.
[17] TELCİOĞLU, M.B., Veri Madenciliğinde Genetik Programlama Temelli Yeni Bir Sınıflandırma Yaklaşımı ve Uygulanması, Yüksek Lisans Tezi, Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri, 2007.
[18] AYDINER, Z., Genetik Programlama ile Akışkan Kontrolü Tahmini, Yüksek Lisans Tezi, TOBB Ekonomi ve Teknoloji Üniversitesi, Fen Bilimleri Enstitüsü, Ankara, 2009.
[19] GANDOMI, A.H., ALAVI, A.H., "A New Multi-Gene Genetic Programming Approach to Non-Linear System Modeling. Part I: Materials and Structural Engineering Problems", Neural Computing and Applications, 21, 171-187, 2012.
[20] GANDOMI, A.H., ALAVI, A.H., "A New Multi-Gene Genetic Programming Approach to Non-Linear System Modeling. Part II: Geotechnical and Earthquake Engineering Problems", Neural Computing and Applications, 21, 189-201, 2012.
[21] CHAPRA, S.C., CANALE, R.P., Numerical Methods for Engineers (4th ed.), McGraw-Hill, New York, 2002.
[22] ÇİTAKOĞLU, H., ÇOBANER, M., HAKTANIR, T., YELKARA, F., "Regional Calibration of Hargreaves-Samani Equaton Based on Temperature and Humudity Data for Aegean and Inland Anatolia Region of Turkey", Internatıonal Congress on Natural and Engineering Sciences, 23-23, Sarayova, Bosna Hersek, 2015.
[23] ÇİTAKOĞLU, H., KİŞİ, Ö., HAKTANIR, T., ÇOBANER, M., "Hargreaves Denkleminin İç Anadolu Bölgesinde Referans Evapotransyonun Hesabı için Modifiye Edilmesi", İnşaat Mühendisliği'nde 100. Yıl, "Teknik Kongre'', 6-7, İstanbul, Türkiye, 2012.