Rainfall-runoff process, most important component of the hydrologic cycle, has a significant place in hydrologicanalysis and engineering of water resources. Recently, artificial intelligence methods which are in demand due tobringing successful outcomes to complex problems are preferred in modelling of hydrological events as in manyfields. In this study, monthly average streamflow values that belongs to two stations which is inside of the boundaryof the Tigris basin, is tried to determine by using precipitation data which has been obtained from meteorologicalobservation stations. Rainfall-runoff relationship was evaluated by setting up for used stations with AdaptiveNeuro-Fuzzy Inference System (ANFIS), Artificial Neural Network (ANN), Gene Expression Programming(GEP) and Multiple Linear Regression (MLR). It was seen that GEP performed better performance compared toother methods between observed streamflow and estimated streamflow at one of the used stations. At anotherstation, it was observed that ANFIS is rather successful at predict the streamflow with high sensitive. The outcomesnot only corroborate the feasibility of the intelligence methods, but also show the usability of GEP that is amathematical method to determine the rainfall-runoff relationship.
Hidrolojik döngünün en önemli bileşeni olan yağış-akış süreci, hidrolojik analiz ve su kaynakları mühendisliğindeönemli bir yer edinmektedir. Son zamanlarda, karmaşık problemlere başarılı sonuçlar getirmesi sebebiyle oldukçarevaçta olan yapay zekâ yöntemleri, birçok alanda olduğu gibi hidrolojik olayların modellenmesinde de tercihedilmektedir. Bu çalışmada, Dicle Havzasının sınırları içerisinde bulunan iki istasyona ait aylık ortalama akımdeğerleri, meteoroloji gözlem istasyonlarından edinilen yağış verileri kullanılarak belirlenmeye çalışılmıştır.Kullanılan istasyonlar için Uyarlanabilir Nöro-Bulanık Çıkarım Sistemi (Adaptive Neuro-Fuzzy Inference System– ANFIS), Yapay Sinir Ağları (YSA), Gen Ekspresyon Programlama (GEP) ve Çoklu Doğrusal Regresyon (ÇDR)yöntemleri ile modeller kurulup yağış-akış ilişkisi değerlendirilmiştir. Kullanılan istasyonların birindegözlemlenen akış ile tahmin edilen akış arasında, GEP’ in diğer yöntemlere kıyasla daha iyi performans sergilediğigörülmüştür. Bir diğer istasyonda ise ANFIS’ in akışı tahmin etmede oldukça yüksek hassasiyet ile daha başarılıolduğu gözlenmiştir. Sonuçlar yağış-akış ilişkisini belirlemek için, yapay zekâ yöntemlerinin uygulanabilirliğinidoğrulamakta aynı zamanda matematiksel bir yöntem olan GEP’in de kullanılabilirliğini göstermektedir.
