Çatalan Barajı haznesindeki buharlaşma miktarının yapay sinir ağları modeliyle tahmini

Abstract

Baraj buharlaşma miktarı tahminleri baraj yapılarının, işletme, tasarım ve güvenlik değerlendirmeleri için önemlidir. Bu çalışmada, Çatalan Barajı haznesindeki buharlaşma miktarı tahminleri, Yapay Sinir Ağları (YSA) metodu kullanılarak araştırılmıştır. YSA'nın baraj buharlaşma miktarının belirlenmesinde rezervuardaki günlük toplam buharlaşma miktarı veri olarak alınarak değerlendirilmiştir. Bu veriler Türkiye'nin Akdeniz bölgesinde yer alan Çatalan Barajı ve havzasında 1095 günlük ölçümlerle elde edilmiştir. YSA yapısı olarak çok tabakalı algılayıcı kullanılmıştır. Verilerin YSA modelinin eğitilmesinde Bayesian düzenleme tekniği kullanılmıştır. Bu teknik Levenberg-Marquardt optimizasyon yöntemine göre geliştirilerek ağırlık ve bias katsayıları yenilenmiştir. Elde edilen YSA sonuçları, geçmişte çok kullanılan, çoklu-lineer regresyon (MLR) ve otoregresiv (AR(p)) model sonuçları ile karşılaştırılmıştır. Modeller, grafik ve istatistiksel sonuçlarla analiz edilmiştir. Bu sonuçlar göstermiştir ki; baraj haznesi seviye değişiminin tahmininde YSA model çözüm sonuçları, geçmişte kullanılan klasik yöntemlerle kıyaslandığında daha iyi bir performans vermiştir.

Dam evaporation reservoir level predictions are important for operation, design and security evaluation of dam structure. In the present study, prediction and estimation of dam reservoir evaporation level are investigated using Artificial Neural Networks (ANN) method. Feasibility of ANN is evaluated using dam reservoir daily amount of evaporation data. The data was collected on daily basis measurements over 1095 days at the Çatalan Dam in the Mediterranean region of Turkey. A multi layer perception (MLP) is used as the ANN structure. Bayesian regularization technique is used in the training of the network. The technique updates the weight and bias values according to Levenberg-Marquardt optimization. ANN results are compared with conventional multi-linear regression (MLR), and autoregressive (AR(p)) model. The models are analysed with statistics and graphs results. The results show that ANN model solution for dam reservoir level fluctuations can provide better performance prediction compared to those of the conventional statistical method.