Drought Analysis with Machine Learning Methods

Environmental factors, which directly affect the living beings cause the formation of many natural disasters. One of the most important of these disasters is drought. The effect of the drought on the water resources also affects many things in the way of living life. From the point of human life, diminution in water resources, may pose a significant threat. Drought does not appear suddenly, hence it is possible to predict and take necessary measures before it exists. In order to predict the drought, various drought indices are used to determine the drought phenomenon. A great deal of research has been made to estimate the drought values that have changed dramatically so far. In this study, the 116 - year Palmer Drought Severity Index (PDSI) values of Kayseri province were modeled using machine learning methods in order to predict future PDSI values. In this context, one, three and six months period of drought values were predicted. The success rate of the predictions constructed using support vector machines (SVM) and K-nearest neighbors (KNN) algorithms was evaluated statistically. This study indicates that machine learning methods provide a significant contribution to the solution of hydrological problems.

Makine Öðrenmesi Yöntemleri Ýle Kuraklýk Analizi

Çevresel etmenler canlý yaþamýna doðrudan etki eden birçok doðal afeti tetiklemektedir. Bu afetlerin en önemlilerinden biri de kuraklýktýr. Kuraklýðýn su kaynaklarý üzerindeki etkisi birçok þekilde canlýlarý etkilemektedir. Özellikle kuraklýðýn sebep olduðu, içme suyu ve tarýmsal sulama amaçlý kullanýlan su kaynaklarýnda görülen azalmalar, insan yaþamýný önemli ölçüde tehdit edebilmektedir. Kuraklýk diðer afetler gibi aniden ortaya çýkmadýðý için, kuraklýk oluþmadan önce tahmin edilip gerekli önlemlerin alýnabilmesi imkâný bulunmaktadýr. Kuraklýk olayýnýn belirlenebilmesi için çeþitli kuraklýk indeksleri kullanýlmakta ve bu da kuraklýðý tahmin edebilme imkâný sunmaktadýr. Zaman içerisinde büyük deðiþiklikler gösteren kuraklýk indekslerinin tahmini için birçok araþtýrma yapýlmýþtýr. Bu çalýþmada Kayseri iline ait 116 yýllýk Palmer Kuraklýk Þiddet Ýndeksi (PDSI - Palmer Drought Severity Index) deðerleri, makine öðrenmesi yöntemleri kullanýlarak modellenmiþ olup, bir, üç ve altý ay sonraki kuraklýk deðerleri tahmin edilmiþtir. Destek vektör makineleri (SVM) ve K-en yakýn komþuluk (KNN) algoritmalarý kullanýlarak oluþturulan modeller ile yapýlan tahminlerin baþarý oraný istatistiksel olarak deðerlendirilmiþtir. Yapýlan bu çalýþma göstermiþtir ki, makine öðrenmesi yöntemleri kuraklýk problemlerin çözümüne önemli ölçüde katký saðlamaktadýr.