MEVSİMLİK KAR ERİMESİNİN YAPAY SİNİR AĞLARI YÖNTEMİ İLE TAHMİN EDİLMESİ

Kış ayları boyunca devam eden katı yağışların oluşturduğu kar kütleleri durağan bir halde bekler. Bahar aylarının gelmesi ile birlikte başlayan erime sonucu statik haldeki su dinamik bir kuvvet olarak hareketlenir. Su ve çevre bilimi uzmanlarının amacı bahar ayları ile hareketlenen bu büyük miktardaki sudan maksimum faydayı elde etmek ve kontrolsüz durumda oluşturacağı zararı minimize etmektir. Bu optimum faydanın elde edilmesi ise yağışın ve erimenin doğru tahminine bağlıdır. Kar erimesinin tahmin edilmesi taşkınların önlenmesi, barajların ve diğer su kaynaklarının planlanması bakımından önemlidir. Kar erimesinin tahmini için geliştirilen birçok model bulunmaktadır. Bu modeller genel olarak derece‐gün yöntemi ve enerji‐kütle denge yöntemleri başlıklarında toplanabilir. Bu çalışmada ise birçok alanda başarı ile uygulanan yapay sinir ağları yöntemini kullanmıştır. Ülkemizde önemli miktarda ve uzun süreli periyotta kar yağışı Doğu Anadolu Bölgesinde meydana gelmektedir. Çalışma için geliştirilen yapay sinir ağları modeli, 1987–1995 yıllarında, erime dönemi olarak kabul edilen Mart‐Mayıs aylarında Doğu Anadolu’daki Karasu‐Kırkgöze havzasına uygulanmıştır.

Anahtar Kelimeler:

Hidroloji, Kar erimesi, Enerji Dengesi, Kütle Dengesi, Yapay sinir ağları

Estimation of Seasonal Snowmelt using Artificial Neural Networks

The great amount of snowpack still all through the winter time starts melting with the coming of spring and all that static water becomes a huge dynamic force. The fundamental aim of hydraulic and environmental engineers is to minimize the disaster due to its uncontrolled flow while benefiting from it the greatest. Evaluation of this optimum benefit is closely related with the correct estimation of snow precipitation and snowmelting which is very important for the counterbalance of overflow and the planning of dams and water resources in the area. There are several models for the estimation of snowmelt which may be classified in two groups as degree‐day method and the energy‐mass equilibrium method. Neural network method is used in this study, which has a wide area of application in engineering problems. In Turkey, the maximum amount and long period of snow is encountered in Eastern Anatolia region. Due to this fact, the model used in this study, is applied on the Karasu ‐ Kırkgöze basin for March and May time span which is the snowmelt time for 1987‐1995.

Keywords:

Hydrology, Snowmelt, Energy Balance, Mass Balance, Artificial Neural Network,

PDF

___

Anderson, E.A., 1968. Development and testing of snow pack energy balance equations. Water Resources Research, 4, 19‐37.
Anonim, 1990. Devlet Meteoroloji İşleri Genel Müdürlüğü Bülteni
Demuth, H. and Beale, M., 2000. Neural network toolbox for use with MATLAB, User’s Guide, Math Works Inc., California
Hagan, M.T. and Menhaj, M., 1994, Training feed forward networks with the Marquardt algorithm, IEEE Transactions on Neural Networks, Vol. 5, pp. 989‐93
Haykin, S. (1999), Neural Networks, Prentice‐Hall, New Jersey, USA.
Jacobs, R.A., 1988, Increased rates of convergence through learning rate adaptation, Neural Networks, vol. 1, pp. 295‐307
Martinec , J., 1960. The degree‐day factor for snowmelt‐runoff forecasting, IASH Gen. Assembly of Helsinki, Comm. On surface waters, 468.
Tarboton, D.G., Luce, C.H., 1996. Utah energy balance snow accumulation and melt model, Utah Water Research Laboratory, Utah State University, Usda Forest Service, Intermountain Research Station.
Reidmiller, M. and Braun, H., 1993, A direct adaptive method for faster backpropagation learning: the RPROP algorithm, Proceedings of the IEEE International Conference on Neural Networks, New York, May 10‐15, p.586‐591
U.S. Army, 1956. Snow Hydrology: Summary report of snow investigations, Department of Army U.S. Army crops of engineers, 437 s, Washington DC.
Yerdelen, C., Acar, R., 2005, Study on prediction of snowmelt using energy balance equations and comparing with regression method in the Eastern part of Turkey, Journal of Scientific and Industrial Research, 64(7), 520‐528.
Yerdelen, C., 2003, Dağlık Havzalarda Kar Erime Modeli ve Erzurum ‐ Kırkgöze Havzasına Uygulaması, Doktora Tezi, Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye.