1918

Yapap sinir ağları ve regresyon teknikleri ile Botan Çayı aylık taşınan sediment miktarının modellenmesi

Su kaynaklarının etkin bir şekilde kullanılması amacı ile inşa edilen su yapılarının planlanmasında göz önüne alınan parametrelerden biri de sediment miktarıdır. Bu yapıların belirlenen sürede hizmet verebilmeleri için sediment miktarının doğru olarak belirlenmesi önemlidir. Son yıllarda, olayları etkileyen parametreler arasında doğrusal olmayan ilişkiler temelinde hata payı düşük daha doğru modeller kurmaya olanak sağlayan Yapay Sinir Ağları(YSA) yaygın olarak çeşitli disiplinlerde kullanılmaktadır. Bu çalışmada, Dicle Havzası Botan Çayı Billoris ölçüm istasyonunda taşınan sediment miktarlarının modellerinin kurulması amaçlanmıştır. Kurulan modellerde yağış, sıcaklık ve akım bağımsız değişken, sediment ise bağımlı değişken olarak ele alınmıştır. Burada Yapay Sinir Ağları (YSA) ve Regresyon Analizi (RA) yöntemleri kullanılarak 14 farklı model kurulmuş ve birbirleriyle karşılaştırılmıştır. Ayrıca çeşitli istatistiklere göre en az hatayı veren model uygun model olarak seçilmiştir.

Modelling of monthly sediment transport amount of Botan Stream using neural networks and regression techniques

One of the parameters taken into consideration in the planning of water structures aiming at efficient use of water resources is sediment amount. It is important to accurately predict the amount of sediment so that these structures can serve within the planned duration. Due to its estimation capability, recently, Artificial Neural Network (ANNs) has been used in modelling. The ANNs models are more accurate and have low error percentage. Therefore, such models are widely used in any discipline. ANNs also enable to establish models which involve non-linear relationships between the parameters effecting the event. In this study, it isşaimed to establish models of sediment transport in Billoris Station on Botan Stream, all of which are in Tigris watershed. Rainfall, temperature and flow discharge were used as independent variables, whiles sediment load was used as dependent variable in the models. Fourteen different models were established and compared with each other using Artificial Neural Networks ANNs and Regression Analysis (RA) methods. The model which had least error according to several statistics of models was chosen as the most appropriate one.

PDF

___

1.Holeman,J.N.," The sediment yield of major rivers of the world", Water Resources, 4, 737- 747, 1968.

2.Görcelioğlu,E., "Akarsu Havzalarının Asılı Sediment Verimlerim Etkileyen Başlıca İklim, Havza ve Akım Özellikleri Üzerine Araştırmalar", İÜ. Orman Fakültesi Yayınları, 145 s., İstanbul, 1982.

3.Atalay İ., "Türkiye'de aktüel sedimantasyon problemleri", Prospektör Dergisi, 2,105-119, Ankara, 1973.

4.Guy,H.P.,"An analysis of some storm variables affecting stream sediment transport", U.S. Geol. Survey, Paper 462-E, 1964.

5.Lane,E.W., Carlson,E.J. and "Hanson,O.S.,"Low temperature increases sediment transportation in Colorado river", Civil Eng ASCE, vol. 16,1949.

6.Öztürk,M. ve Gül,E.,"Peri Suyu Havzasında Sediment Miktarının Belirlenmesi ve Metotların Karşılaştırılması ", I.Türkiye Su Kongresi Bildiriler Kitabı, Cilt 2, s. 423-430, İstanbul, 8-10 Ocak 2001.

7.Hamidi,N., "Dicle Nehri Kirliliğinin Kaynaklar ve Kirliliğin Değişimi Yönünden Matematiksel Modellerle Belirlenmesi", F.Ü.Fen Bilimleri Enstitüsü, Doktora Tezi, 199 s., Elazığ, 1994.

8.Hsu,K, Gupta,H.V. and Sorooshian,S., "Artificial neural network modelling of rainfall-runoff process", Water Resources Research, 31 (10), 2517-2530, 1995.

9.Fernando,D.A. and Jayawerdena,A.W., "Runoff Forecasting Using RBF Networks with OLS Algorithm", Journal of Hidrological Engineering, 3 (3),203-209,1998.

10.Cığızoğlu,H.K. ve Alp,M., " İleri Beslemeli Geriye Yayınım Sinir Ağları ile Yağış-Akış İlişkisinin Modellenmesi", IV. Ulusal Hidroloji Kongresi Bildiriler Kitabı,İTÜ, İnşaat Fakültesi İstanbul, s.341-346,21-25 Haziran 2004.

11.Lange,N., "Advantages of unit hydrograph derivation by neural networks", Hidroinformatics Conference, Copenhagen, 1998.

12.Karahan,H. ve Fırat,M., " Aylık Maksimum Yağışların Tahmininde Yapay Sinir Ağlarının Kullanımı ve Denizli İçin Bir Uygulama", IV. Ulusal Hidroloji Kongresi Bildiriler Kitabı, İTÜ., İnşaat Fakültesi İstanbul, s. 327-334, 21-25 Haziran 2004.

13.Kişi,Ö., "Yapay Sinir Ağları ve Regresyon Teknikleri ile Filyos Çayı Akımlarının Tahmini ", IV.Ulusal Hidroloji Kongresi Bildiriler Kitabı, İTÜ, İnşaat Fakültesi İstanbul, s.347-353, 21-25 Haziran 2004.

14.Hall,M.J. and Mınns,A., "Regional Flood Frequency Analysis Using Artificial Neural Networks", Hydroinformatics Conference, Copenhagen, 199S.

15.Baylar,A., Kaya.N. ve Emiroglu,M.E., "Akarsu Debisi ile Askı Maddesi Miktarı Arasındaki İlişkinin Yapay Sinir Ağları ile Belirlenmesi", F.Ü. Fen ve Müh. Bilimleri Dergisi, 11 (2), 105-116,1999.

16.Cığızoğlu,H.K; "Suspended sediment estimation and forecasting using artificial neural networks'', Turkish Journal of Engineering & Evironmental Sciences, 26 (1) ,15-25, 2002.

17.Fırat,M. ve Güngör,M., "Askı Madde Konsantrasyonu ve Miktarının Yapay Sinir Ağları ile Belirlenmesi", TMOOB İnşaat Mühendisleri Odası Teknik Dergi, 15 (3), 3267-3282, 2004.

18.Alp,M. ve Cığızoğlu,H.K,"Genelleştirilmiş Regresyon Sinir Ağları ile Askı Maddesi Miktarının Tahmini", IV.Ulusal Hidroloji Kongresi Bildiriler Kitabı, İTÜ,İnşaat Fakültesi İstanbul, s.335-340, 21-25 Haziran 2004.

19.Doğan,E., Işık,S. ve Şaşal,M., " Esnek Modelleme Yöntemlerini Kullanarak Nehirdeki Askı Maddesi Miktarının Tahmin Edilmesi", Bilimde Modern Yöntemler Sempozyumu, Kocaeli, s.867-874, 16-18 Kasım 2005.

20.Güldal, V. ve Tayfur, G., "Akarsularda Günlük Toplam Askı Maddesi Miktarının Yapay Sinir Ağları ile Tahmini", Bilimde Modern Yöntemler Sempozyumu, Kocaeli, s. 858-866, 16-18 Kasım 2005.

21.Kayaalp,N., "Dicle Havzası Akarsularında Sediment Taşınımının Matematiksel Modellerle Belirlenmesi", D.Ü. Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 62 s.,Diyarbakır, 2003.

22.Kayaalp,N. ve Hamidi,N., "Dicle nehrinde taşınan aylık süspanse sediment miktarının yapay sinir ağları kullanılarak belirlenmesi", IV.Ulusal Hidroloji Kongresi Bildiriler Kitabı, İTÜ, İnşaat Fakültesi İstanbul, s. 319-325, 21-25 Haziran 2004.

23.EİE, "1999 Yılı Su Akımları Yıllığı", Elektrik İşleri Etüt İdaresi Genel Müdürlüğü, Yayın no. 28, Ankara, 2002.

24.DMİ, "Ortalama, Ekstrem Sıcaklık ve Yağış Değerleri", Devlet Meteoroloji İşleri Diyarbakır Bölge Müdürlüğü, Yazılı Görüşme, 2003.

25.Bayazıt,M., "İnşaat Mühendisliğinde Olasılık Yöntemleri", İstanbul Teknik Üniversitesi Matbaası, sayı: 1573, 245 s., İstanbul, 1996.