Su yönetim planlamasında, özellikle su havzası yönetiminde akımın istatistiksel olarak tutarlı ve performanslı bir şekilde modellenmesi, diğer sıcaklık, yağış gibi klimatolojik etkilerle beraber değerlendirilmesi önem taşımaktadır. Bu nedenle, istatistiksel model yaklaşımları, su yönetimini etkileyen faktörleri değerlendirmek, etkilerini anlamak, gelecekteki kullanımı tahmin etmek ve bu sistemleri doğru bir şekilde geliştirmek için kullanılabilir. Bu tez çalışmasında, aylık akımı tahmin etmek için ayrık dalgacık dönüşümlerini (WT'ler) ve yapay sinir ağlarını (YSA'lar) birleştiren hibrit bir model kullanılmıştır. Çalışmada kullanılan WT-ANN hibrit modeli, Daubechies ana dalgacığı kullanılarak, farklı hava sıcaklığı, yağış ve akış değişken kombinasyonları ve bunların dalgacık dönüşümleri ile Çoruh nehri havzasındaki üç ölçüm istasyonu için bir ay sonrası akımı tahmin etmek için kullanılmıştır. En yaygın olarak kullanılan hibrit WT-ANN modelleri oluşturulmuş ve geleneksel YSA modelleri ile karşılaştırılmıştır. Veri seti kronolojik olarak eğitim, validasyon ve test verilerine bölünmüştür. Sonuçlar, WT-ANN hibrit modellerinin her üç istasyon için geleneksel YSA modellerinden daha iyi performans verdiğini göstermiştir. Ayrıca, kronolojik olarak bölünmüş veri seti kullanılması, periyodik olarak hidrolojik verilerdeki değişikliklerin model performansı üzerindeki etkilerini incelemek için kullanılmıştır. Ek olarak, eğitim döneminde model performansları, hidrolojik verilerdeki yapısal değişiklikler nedeniyle validasyon ve test dönemlerinde daha düşük performansla karşımıza çıktığı görülmektedir.

Anahtar Kelimeler: akım, yapay sinir ağları (YSA), dalgacık dönüşümü, hava sıcaklığı, yağış