This thesis will introduce an artificial neural network (ANN) for modelling the rainfall-runoff relationships of La Chartreux spring in the karstic region Cahors, south France. Since numerical models are thought to be insufficient, the present study will contribute to the improvement of rainfall-discharge prediction models by using ANNs. The model has been conducted with feed forward and back propagation algorithm. Thereby, the model is improved with the Levenberg-Marquardt algorithm in order to generalize the complex and non-linear rainfall-runoff issues. Data had been taken from the meteorological stations in the region including eight years of rainfall and discharge data from 1976 to 1983. Through the study, an artificial neural network model is created to estimate runoff by introducing rainfall and runoff data in MATLAB software. Model performance has been evaluated with respect to statistical error measures (root mean square error (RMSE), correlation coefficient square (R2). R2 values are found close to 0.7 and RMSE values are close to 0.1 for prediction period of daily discharge which satisfies the model performance statistically. Thus, this study confirmed that artificial neural networks are capable of prediction of rainfall-runoff relationships depending on the data quality, neural network properties, and data variability.Keywords: La Chartreux, Cahors, Soft Computing, Artificial Neural Network, Rainfall - Runoff Relationship.

Bu tez Fransa'nın güneyindeki Cahors karstik bölgesindeki La Chartreux kaynağının yağış-akış ilişkisini modellemek için bir yapay sinir ağı (ANN) modeli sunmaktadır. Sayısal modellerin yetersiz olduğu düşünülürse, bu çalışma YSA'ları kullanarak yağış-akış tahmin modellerinin geliştirilmesine katkıda bulunacaktır. Model ileriye ve geri besleme algoritması kullanılarak oluşturulmuştur. Bu doğrultuda, karmaşık ve doğrusal olmayan yağış-akış problemini genellemek için Levenberg-Marquardt algoritması ile model geliştirildi. Bölgedeki meteoroloji istasyonlarından alınan, 1976 - 1983 yılları arasındaki sekiz yıllık yağış ve akış verileri çalışmada kullanıldı. Çalışma boyunca, MATLAB yazılımında yağış ve akış verileri kullanılarak günlük akışı tahmin etmek için bir yapay sinir ağı modeli oluşturuldu. Model performansı, istatistiksel hata ölçümleri (ortalama karekök hata ortalaması (RMSE), korelasyon katsayısı karesi (R2) ile ilişkili olarak değerlendirilmiştir. R2 degerleri 0.7'ye ve RMSE değerleri 0,1'e günlük akımın tahmin periyodu boyunca yakın çıkmıştır. Bu durum model performansının istatistiksel olarak güvenebilirliğini göstermektedir. Bu çalışma yapay sinir ağlarının veri kalitesine, sinir ağının özelliklerine ve veri değişkenliğine bağlı yağış-akış ilişkilerini tahmin edebildiğini doğrulamıştır.Anahtar Kelimeler: La Chartreux, Cahors, Esnek Hesaplama, Yapay Sinir Ağları, Yağış – Akış İlişkisi.