Türkiye'deki Baraj Su Seviyelerinin Zaman Serisi ve Yapay Zeka Algoritmalarıyla Tahmini: Yusufeli ve Deriner Barajları Üzerine Bir Çalışma
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, YAZILIM MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: AHMET ENES YEĞİN
Danışman: Abdullah Ammar Karcıoğlu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Bu çalışmada, Türkiye'nin önemli hidroelektrik yapıları arasında yer alan Yusufeli ve Deriner Barajları için kısa vadeli su seviyesi tahmini gerçekleştirilmiştir. Baraj işletme süreçlerinde doğru tahminin; enerji üretim planlaması, taşkın riskinin azaltılması ve su kaynağı yönetiminin optimize edilmesi açısından kritik öneme sahip olması nedeniyle, hem istatistiksel zaman serisi yöntemleri hem de DL (derin öğrenme) tabanlı yaklaşımlar karşılaştırmalı olarak değerlendirilmiştir. Yöntem: Çalışmada gerçek günlük hidrolojik veriler kullanılarak iki aşamalı bir yaklaşım uygulanmıştır. İlk aşamada ARIMA, SARIMA, ARIMAX ve SARIMAX modelleri ile geleneksel zaman serisi tahminleri yapılmış; veriler normalize edilerek eğitim-test ayrımı gerçekleştirilmiş ve hata metrikleri üzerinden model başarımları ölçülmüştür. İkinci aşamada DL tabanlı CNN, LSTM, GRU ve hibrit mimariler kullanılmıştır. Ayrıca mimari tasarım ve hiperparametre seçimini otomatik yürütmek için Bayes tabanlı Sinir Mimari Arama yöntemi uygulanmıştır. Bu kapsamda zamansal bağımlılıkları ve yapısal örüntüleri ortak öğrenebilmek amacıyla CGU (CNN-GRU Unified) modeli geliştirilmiştir. Bulgular: İstatistiksel yöntemlerin yüksek doğruluk değerleri sağladığını göstermiştir. Yusufeli Barajı için ARIMA modeli %99,32 doğruluk elde ederken, Deriner Barajı için SARIMAX modeli %99,05 doğruluğa ulaşmıştır. DL aşamasında hibrit modeller daha üstün performans sergilemiş ve CGU modeli test verisi üzerinde R² = 0.9941 değeri ile en yüksek doğruluğu sağlamıştır. Sonuç: Elde edilen bulgular, su seviyesi tahmininde yapay zeka tabanlı hibrit modellerin güvenilir, hızlı ve uygulanabilir bir çözüm sunduğunu ortaya koymuştur. Özellikle CGU modelinin gerçek zamanlı karar destek mekanizmalarına entegre edilebilecek nitelikte olduğu değerlendirilmektedir. Gelecek çalışmalar için meteorolojik değişkenlerin eklenmesi ve farklı baraj sistemlerinde testlerin genişletilmesi önerilmektedir. Anahtar Kelimeler: Su seviyesi tahmini, zaman serisi analizi, derin öğrenme, ARIMA, SARIMAX, CNN-GRU, sinir mimari arama