Yapay sinir ağları yaklaşımıile tahtaköprü barajındaki aylık buharlaşma miktarının tahmini

Abstract

Buharlaşma miktarı, içme, sulama ve kullanma suyunun baraj rezervuarından karşılanması bakımından önem arz etmektedir Barajlar su tutan yapılar olduğu için buharlaşma barajdaki su miktarının belirlenmesinde etkili olmaktadır. Baraj gölünde meydana gelen buharlaşma miktarı; mevcut enerjiye, kütle ve enerji transfer mekanizmasına, barajın derinliğine ve göl yüzey alanına bağlıdır. Buharlaşma baraj haznesinde büyük ölçüde su kayıplarına neden olmaktadır. Barajlardan içme, sulama ve kullanma suyu ihtiyaçlarının karşılandığı düşünüldüğünde, buharlaşma miktarının doğru belirlenebilmesi oldukça önem arz etmektedir. Bu çalışmada, Tahtaköprü barajındaki aylık buharlaşma miktarının tahmini, Yapay Sinir Ağları (YSA) metodu kullanılarak araştırılmıştır.YSA' nın, baraj aylık buharlaşma miktarının belirlenmesinde uygulanabilmesi için, geçmiş yıllarda Tahtaköprü barajında meydana gelen aylık buharlaşma miktarları veri olarak değerlendirilmiştir.YSA yapısı olarak çok tabakalı algılayıcı kullanılmıştır. Verilerin YSA modelinin eğitilmesinde Bayesian düzenleme tekniği kullanılmıştır. Bu teknik Lenenberg-Marquardt optimizasyon yöntemine göre geliştirilerek ağırlık ve bias katsayıları yenilenmiştir.Elde edilen YSA sonuçları, geçmişte çok kullanılan, çoklu-lineer regresyon (MLR) ve otoregresif (AR(p)) model sonuçları ile karşılaştırılmıştır. Modeller, grafik ve istatistiksel sonuçlarla analiz edilmiştir. Bu sonuçlara göre; baraj haznesi aylık buharlaşma miktarının tahmininde YSA model çözüm sonuçları, geçmişte kullanılan klasik yöntemlerle kıyaslandığında daha iyi bir yaklaşım göstermiştir.

Evaporation is significant in terms of providing water for drinking, irrigation and other purposes. Since the dams are the structures that impounds water, evaporation is an effective parameter in determining the water level in the reservoir. The amount of evaporation in the reservoir depends on the available energy, mass and energy transfer mechanism, depth and surface area of the reservoir. Evaporation causes large amount of water loss from the reservoir. Since the water demand for drinking, irrigation and other purposes are provided from the dams, estimating the rate of evaporation correctly becomes important. In this study, the prediction of monthly evaporation amount in Tahtaköprü dam is investigated using Artificial Neural Network (ANN) method.To apply ANN in obtaining the monthly evaporation amount, the past records of monthly evaporation amount in Tahtaköprü dam were used as input data. A multi-layer sensor was used as ANN structure. Bayesian arragement technique was used to train the ANN model. This technique was developed according to the Lenenberg-Marquardt optimisation method to renew the weight and bias coefficients.The ANN results obtained were compared with the results of the multi-linear regression (MLR) and autoregressive (AR(p)) models. The models were analyzed using graphical and statistical results. Based on these results, ANN model solutions gave better approximity in estimating monthly evaporation amount in the dam reservoir compared to classical methods used in the past.