Drought analysis with machine learning methods

Çevresel etmenler canlı yaşamına doğrudan etki eden birçok doğal afeti tetiklemektedir. Bu afetlerin en önemlilerinden biri de kuraklıktır. Kuraklığın su kaynakları üzerindeki etkisi birçok şekilde canlıları etkilemektedir. Özellikle kuraklığın sebep olduğu, içme suyu ve tarımsal sulama amaçlı kullanılan su kaynaklarında görülen azalmalar, insan yaşamını önemli ölçüde tehdit edebilmektedir. Kuraklık diğer afetler gibi aniden ortaya çıkmadığı için, kuraklık oluşmadan önce tahmin edilip gerekli önlemlerin alınabilmesi imkânı bulunmaktadır. Kuraklık olayının belirlenebilmesi için çeşitli kuraklık indeksleri kullanılmakta ve bu da kuraklığı tahmin edebilme imkânı sunmaktadır. Zaman içerisinde büyük değişiklikler gösteren kuraklık indekslerinin tahmini için birçok araştırma yapılmıştır. Bu çalışmada Kayseri iline ait 116 yıllık Palmer Kuraklık Şiddet İndeksi (PDSI - Palmer Drought Severity Index) değerleri, makine öğrenmesi yöntemleri kullanılarak modellenmiş olup, bir, üç ve altı ay sonraki kuraklık değerleri tahmin edilmiştir. Destek vektör makineleri (SVM) ve K-en yakın komşuluk (KNN) algoritmaları kullanılarak oluşturulan modeller ile yapılan tahminlerin başarı oranı istatistiksel olarak değerlendirilmiştir. Yapılan bu çalışma göstermiştir ki, makine öğrenmesi yöntemleri kuraklık problemlerin çözümüne önemli ölçüde katkı sağlamaktadır.
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.