Namazgâh Barajında meteorolojik veriler kullanılarak yapay sinir ağları ile akışın tahmin edilmesi

Abstract

NAMAZGÂH BARAJINDA METEOROLOJİK VERİLER KULLANILARAK YAPAY SİNİR AĞI İLE AKIŞIN TAHMİN EDİLMESİ ÖZET Gelecekte barajda meydana gelecek olan akıma dair tahminde bulunmak güç olduğu kadar önem de arz etmektedir. Özellikle projelendirme çalışmaları, taşkın kontrolü ve taşkın kontrollü hazne işletmeciliği ve su ihtiyacı gibi pek çok durum değerlendirmesi açısından önemlidir. Akış, temelde yağış, sıcaklık, nem başta olmak üzere çeşitli meteorolojik parametrelerin bileşkesinden oluşmaktadır. Parametreler arası doğrusal olmayan bir ilişki söz konusu olduğu için, yağış-akış arasındaki ilişkiyi modellemek taşkın hidrolojisinde büyük önem taşımaktadır. Bu çalışma, Kocaeli İli, Kandıra İlçesinde bulunan Namazgâh Barajında meteorolojik veriler kullanılarak Yapay Sinir Ağları ile akışın tahmin edilmesi üzerinedir. Modellemede giriş verisi olarak minimum sıcaklık, ortalama sıcaklık, buhar basıncı ve yağış kullanılırken çıkış verisi ise akış olarak ele alınmıştır. Öncelikle veriler normalizasyon işlemi ile programa uygun hale getirilmiştir. Sırasıyla Levenberg-Marquardt(LM), Bayesian Regularization, Scaled Conjugate Gradient öğrenme algoritmalarından problem karşısında en iyi performansı Levenberg-Marquardt öğrenme algoritmasının diğer algoritmalara oranla daha iyi performans sergilediği tespit edilmiştir. LM öğrenme algoritması kullanılarak NARX modeli ve Radyal Temelli YSA modeli probleme uyarlanmıştır. İki modellemede hesaplanan Ortalama Karesel Hata (MSE) değerleri yaklaşık sonuçlar verse de Radyal Temelli YSA daha fazla nöron kullanılmakla birlikte daha fazla iterasyon yapmaya gerek duymuştur. Bu yüzden daha az iterasyon ve daha az nöronla problemi çözen NARX modelinin daha güçlü olduğu sonucuna ulaşılmıştır. Eğitim verileri için öğrenme de %96'lık başarı sağlanarak test verilerine ise %90 doğru cevap alınmıştır. Hata kareler ortalamasının da sıfıra yakın olduğu sonucuna ulaşılmıştır. Geri besleme gecikmesine sahip dinamik ağ tabanlı NARX modelinin akış tahmini olumlu sonuçlar üretebileceği kanısına varılmıştır. En iyi performans belirlenirken ise MSE ve Belirlilik (R2) dikkate alınmıştır. Hidrolojik problemlerin çözümü için YSA modellemelerinin rahatlıkla kullanılabileceği kanısına varılmıştır. Anahtar Kelimeler: Akış, Meteorolojik Veriler, Namazgâh Barajı, Yağış, Yapay Sinir Ağları.

ESTIMATION OF THE FLOW WITH ARTIFICIAL NEURAL NETWORK USING METEOROLOGICAL DATA IN NAMAZGÂH RESERVOIR ABSTRACT In the future, estimation of the current flow will be as important as it is. In particular, project planning studies, flood control and flood-controlled reservoir management and water needs are important in terms of many situations such as assessment. The flow consists mainly of precipitation, temperature, humidity and various meteorological parameters. Since there is a nonlinear relationship between the parameters, it is of great importance in flood hydrology to model the relationship between precipitation and flow. This study is based on the estimation of flow by Artificial Neural Networks using meteorological data in Namazgâh Reservoir located in Kandıra District of Kocaeli Province. In the modeling, the minimum temperature, average temperature, vapor pressure and precipitation are used as input data and the output data is considered as flow. First of all, the data has been adapted to the program by normalization process. Levenberg-Marquardt (LM), Bayesian Regularization, Scaled Conjugate Gradient learning algorithms were found to perform better than other algorithms. Using the LM learning algorithm, the NARX model and Radial Based ANN model are adapted to the problem. Although the mean squared error (MSE) values calculated in both models were approximate, Radial Based ANN was more neuron use but needed more iterations. Therefore, it was concluded that the NARX model, which solves the problem with less iterations and less neurons, is stronger. For learning data, 96% success was achieved in learning and 90% correct answer to test data. The mean error squares were also close to zero. It has been concluded that the dynamic network based NARX model with feedback delay can produce positive predictions of flow. MSE and Specificity (R2) were taken into consideration when determining the best performance. It is concluded that ANN modeling can be used to solve the hydrological problems. Keywords: Flow, Meteorological Data, Namazgah Reservoir, Precipitation, Artificial Neural Networks.