Yapay sinir ağları yöntemi ile baraj hazne kotu tahmini

Abstract

Baraj hazne kotu değişim tahminleri baraj yapılarının, işletme, tasarım ve güvenlik değerlendirmeleri için önemlidir. Bu çalışmada, baraj haznesi seviye değişim tahminleri, Yapay Sinir Ağları (YSA) metodu kullanılarak araştırılmıştır.YSA nın baraj hazne seviyesinin belirlenmesinde uygulanabilirliği, günlük hazne seviyesi, toplam günlük göle gelen su hacmi, toplam günlük su sarfiyatı ve baraj havzasına düşen günlük yağış yükseklikleri veri olarak alınarak değerlendirilmiştir. Bu veriler Türkiyenin Akdeniz bölgesinde yer alan Yarseli Barajı ve havzasında 1796 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 reservoir level predictions are important for operation, design and security evaluation of dam structure. In the present study, prediction and estimation of dam reservoir level are investigated using Artificial Neural Networks (ANN) method. Feasibility of ANN is evaluated using dam reservoir daily data, such as daily precipitation, total required daily released volume, total daily inflow water volume and daily reservoir level. The data were collected on daily basis measurement over 1796 days at the Yarseli Dam in the Mediterranean region of Turkey. A multi layer perceptron (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.