YERALTI SUYU SEVİYELERİNİN ÇOKLU MODEL YAKLAŞIMLARIYLA TAHMİNİ VE TREND ANALİZİ: ARIMAX, VAR, MAKİNE ÖĞRENMESİ VE SHAP TABANLI AÇIKLANABİLİRLİK ANALİZİ

Bu çalışma, Erzincan ili Brastik (Çatalören) yeraltısuyu gözlem kuyusunda 1987–2022 dönemine ait yeraltı suyu seviyesi (YSS) dinamiklerini nicel olarak inceleyerek kısa ve orta vadeli tahminlerle en uygun istatistiksel ve makine öğrenmesi yaklaşımlarını belirlemeyi, uzun dönemli trend davranışlarını ortaya koymayı amaçlamaktadır. Çok değişkenli doğrusal regresyon analizinde YSS(t–1) katsayısının 0.611 ve istatistiksel olarak ileri düzeyde anlamlı bulunması, akifer sisteminin güçlü bir zamansal hafızaya sahip ve geçmiş seviye koşullarının mevcut YSS üzerinde belirleyici olduğunu göstermiştir. Zaman serisi tabanlı öngörü performanslarının karşılaştırılmasında ARIMAX ve Vector Autoregression (VAR) modelleri değerlendirilmiş; ARIMAX modeli daha düşük hata değerleri ve daha yüksek açıklama gücü ile VAR modeline kıyasla üstün performans sergilemiştir. Izgara arama ile optimize edilen makine öğrenmesi modellerinde Rastgele Orman (RF) ve Destek Vektör Makineleri (SVM) benzer ve yüksek doğrulukta sonuçlar üretmiştir. SHAP tabanlı açıklanabilir yapay zekâ analizi, RF model kararlarının büyük ölçüde YSS(t–1) ve gecikmeli sıcaklık değişkenleri tarafından yönlendirildiğini, nem, akım ve yağış bileşenlerinin ise görece sınırlı katkı sunduğunu göstermiştir. Yenilikçi Poligon Trend Analizi (IPTA) ve Sıralı Mann-Kendall Testi (SQMK) sonuçları, YSS serisinde belirgin mevsimsel farklılaşma bulunduğunu ve 2010 sonrası dönemde düşüş eğilimlerinin şiddetlendiğini ortaya koymuştur.