Determination of the number of clusters used in fuzzy inference systems by means of K-means and modeling of dam volume: Kestel dam example

Tülay Suğra Küçükerdem, Murat Kilit, Kemal Saplioglu
2019 Pamukkale University Journal of Engineering Sciences  
Giderek azalan su kaynaklarının etkili biçimde kullanılması ve gelecek için su kaynaklarının doğru planlanması önemlidir. Su kaynaklarının planlanması çalışmalarında akım modellemeleri ve akım tahminleri yapmak çalışmaların temelini oluşturmaktadır. Bu çalışmada Sandıklı Kestel barajına ait 1986-2008 yılı verileri ile ANFIS modeli kullanılarak aylık hacimlerin tahmini yapılmaya çalışılmıştır. Sistemde girdi olarak önceki aylara ait hacimler, hazneye giren ve çıkan hacimler ve buharlaşma miktarı
more » ... buharlaşma miktarı kullanılmıştır. ANFIS yönteminde girdiler için kullanılan küme sayıları ise K-ortalamalar yöntemi ile elde edilmiştir. K-ortalamalar yönteminden elde edilen küme sayıları ile oluşturulan farklı kümeler ANFIS'te modellenmiş ve sonuçlar karşılaştırılmıştır. Her bir girdi değeri için en uygun küme sayıları belirlenmiş ve bu doğrultuda modelleme yapılmıştır. Sonuç olarak uygun küme sayılarına göre yapılan modellerin rastgele oluşturulan modellere göre daha düşük hata yüzdesine sahip sonuçlar verdiği belirlenmiştir. Correct planning of water resources is important for the efficient use of rapidly decreasing water resources in the future. Flow modeling and flow estimations in the planning of water resource are the basis of studies. In this study, it is aimed to estimate monthly volumes by using ANFIS model based on the data of 1986-2008 for Sandıklı Kestel dam. In the system, the volume of the previous months, the volume of the incoming and outgoing volumes and the amount of evaporation were used as input variables. In ANFIS method, the number of clusters used for the inputs was obtained by the method of K-means. Different clusters formed by K-averages were modeled in ANFIS and the results were compared. The optimal number of clusters for each input value is determined. Models have been established in this way. As a result, it has been found that the models made according to the optimal number of clusters yield results with lower error percentage compared to randomly generated models.
doi:10.5505/pajes.2019.99223 fatcat:cigkantgdjgc3mw5jpf3vfmydm