Yapay sinir ağları ile ortalama debi ve maksimum yağış tahmini İstanbul Göksu dere örneği

Abstract

Gelişen dünya, doğayı daha iyi tanımaya, doğadan maksimum fayda elde etmeye çalışmakta ve bunu yaparken doğal olaylardan en az zararla kurtulmaya çalışmaktadır. Yaşam ve medeniyet her zaman su kenarlarında başlamış ve büyümüştür. İnsanoğlu ilk günden beri hep nehir kenarlarına şehirler kurmuş, tarım, hayvancılık yapmış ve balık avlamışlardır. Ancak İnsanoğlu nehir kenarlarına yerleştiği ilk günden beri hep taşkınlar ile mücadele etmiştir. Büyük taşkınlarda, şehirler ve tarım arazileri yok olmuştur. Binlerce can ve mal kaybına neden sebebiyet vermişlerdir. Günümüzde taşkınlar ile mücadele çok önemli noktalara ulaşmıştır. Maksiumum yağış değerlerinin ve derelerin akım değerlerinin ve tahmini, şiddetinin bilinmesi, taşkın olabilecek tarım ve yerleşim alanları için çok önem arz etmektedir. Maksimum yağış ve debilerin tahmini için değişik bilgisayar programları ve istatistiki yönetemler kullanılmaktadır.Bu çalışamada; Göksu Deresi aylık ortalama akımlarının ve Şile MGİ aylık maksimum yağışlarının tahmini için Yapay Sinir Ağları (YSA) ve Çoklu Regresyon Analizi (ÇRA) kullanılmıştır. Aylık maksimum yağış değerlerinin ve ortalama akım değerlerinin tahmini için havzaya en yakın Şile Meteoroloji istayonunun ortalama yağış, aylık maksimum yağış, basınç, sıcaklık, nispi nem, rüzgar hızları, buharlaşma değerleri ve komşu havzada ve yakın mesafede bulunan Sungurlu Deresi ortalama akım değerleri, Göksu Deresi debileri kullanılmıştır. Farklı senaryolar için Çoklu Resresyon Analizi (ÇRA) ve Yapay Sinir Ağları (YSA) yöntemleri kullanılarak Göksu Deresi aylık ortalama akımları ve Şile aylık maksimum yağışları tahmin edilmeye çalışılmıştır. Göksu Deresi aylık ortalama debi tahmininde determinasyon katsayısı R²=0,934 bulunmuş ve 1 'e yakın değer olduğu için en iyi tahmin modeli kabul edilmiştir. Aylık maksimum yağış tahmininde determimanasyon katsayısı R²=0,852 bulunmuş ve kabuledilebir bir tahmin olarak düşünülmüştür.Bu çalışmada komşu iki havza ve derenin debi değerinin, debi tahmininde kullanılabileceği görülmüştür. YSA ve ÇRA ile ortalama debi ve maksimum yağış tahmini yapılabileceği, böylece önceden tahmin edilen ortalama debi ve maksimum yağışlar ile planma faaliyetelerinin, su yapıları hesaplarının, taşkın ve dere yatağı iyileştirmelerinin yapılabileceği düşünülmektedir.

The developing world is trying to get to know the nature better, to get the maximum benefit from the nature and trying to get rid of the natural events with the least damage. Life and civilization have always started and grew on the water's edge. Mankind has always set up cities on the river front, farming, stockbreeding and fishing. However, Mankind has always struggled with floods since the day he settled at the riverside. In large floods, cities and farmland have been destroyed. They caused thousands of lives and property losses. Today, the fight against floods has reached very important points. Maksiumum precipitation values and the current values of the creeks and the estimation, the severity of the information is very important for agricultural and residential areas. Different computer programs and statistical methods are used to estimate maximum rainfall and flow rates.In this study; Artificial Neural Networks (ANN) and Multiple Regression Analysis (MRA) were used to estimate the monthly mean currents of the Göksu Creek and the monthly maximum rainfall of Şile Meteorology Observation Station Average rainfall, monthly maximum rainfall, pressure, temperature, relative humidity, wind speeds, evaporation values and average flow values of Sungurlu Creek in the neighboring basin and near distance, flow rates. For the different scenarios, monthly average flows of Göksu Creek and maximum monthly rainfall were estimated by using Multiple Regression Analysis (MRA) and Artificial Neural Networks (ANN). In the estimation of monthly average flow of Göksu Creek, the coefficient of determination was found to be R² = 0.934 and the best estimation model was accepted because it was close to 1 R. In the estimation of monthly maximum precipitation, the coefficient of determination was R² = 0,852 and it was considered as an acceptable estimation.In this study, it was seen that the flow rate of the two adjacent basins and streams could be used in estimation of flow. It is thought that the average flow rate and maximum rainfall estimation can be made by Artificial Neural Networks (ANN) and Multiple Regression Analysis ( MRA), so that the estimated average flow rate and maximum rainfall and planning activities, water structure calculations, flood and stream bed improvements can be made.