YAPAY SİNİR AĞI KULLANILARAK SU SEVİYESİNİN TAHMİN EDİLMESİ: YALOVA GÖKÇE BARAJI ÖRNEĞİ

Kırklareli Üniversitesi Mühendislik ve Fen Bilimleri Dergisi Pub Date : 2020-06-30 DOI:10.34186/klujes.754845

Yunus Damla, Temel Temiz, Erdinç Keskin

{"title":"YAPAY SİNİR AĞI KULLANILARAK SU SEVİYESİNİN TAHMİN EDİLMESİ: YALOVA GÖKÇE BARAJI ÖRNEĞİ","authors":"Yunus Damla, Temel Temiz, Erdinç Keskin","doi":"10.34186/klujes.754845","DOIUrl":null,"url":null,"abstract":"Artan dunya nufusu ve kuresel isinmanin olusturdugu kurakligin etkisi ile su gibi ikamesi olmayan bir kaynagin, canlilarin ihtiyaclarini karsilayacak oranda muhafaza edebilmek, dunya kamuoyunun uzerinde durdugu onemli konular arasinda yer almaktadir. Akarsulardaki su seviyesinin dusuk oldugu donemlerde gerekli olan su ihtiyaclarini karsilamak ve akarsularin olusturmus oldugu duzensizligi ortadan kaldirilmasi icin biriktirme haznelerinin yapilmasi gerekmektedir. Bu calismamizda Yalova Gokce Barajinin, su seviyesinin olusmasinda etkili olan Sellimandira Deresinin gelen akim, yagis, buharlasma, su tahliyesi, ( icme ve kullanma suyu, sulama suyu, dolu savak tahliyesi ) sizinti suyu ve barajin rezervuar yuzey su seviyesi olcum verilerini kullanarak, rezervuardaki mevcut suyun seviyesinin tahmin edilmesi amaclanmistir. Son zamanlarda Yapay Sinir Aglarinin bircok uygulama alaninda basari ile kullanilmasindan dolayi bu calismamizda da yapay sinir aglari modelleri kullanilarak Yalova Gokce Barajinin 2019 yili su seviyesinin tahmini yapilmistir. Yapay sinir aglari modellerinin analizinde, cok katmanli yapay sinir agi fonksiyonu olan Levenberg-Marquardt egitim algoritmasi ile Gradient Descent with Momentum egitim algoritmasi kullanilmistir. Bu yapay sinir agi modellerinin analizlerinden cikan sonuclar karsilastirilmis olup Levenberg-Marquardt egitim algoritmasi ile bulunmus olan tahmin verilerinin gercek su seviyesine daha yakin degerlerde oldugu tespit edilmistir.","PeriodicalId":244308,"journal":{"name":"Kırklareli Üniversitesi Mühendislik ve Fen Bilimleri Dergisi","volume":"15 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Kırklareli Üniversitesi Mühendislik ve Fen Bilimleri Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34186/klujes.754845","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

Artan dunya nufusu ve kuresel isinmanin olusturdugu kurakligin etkisi ile su gibi ikamesi olmayan bir kaynagin, canlilarin ihtiyaclarini karsilayacak oranda muhafaza edebilmek, dunya kamuoyunun uzerinde durdugu onemli konular arasinda yer almaktadir. Akarsulardaki su seviyesinin dusuk oldugu donemlerde gerekli olan su ihtiyaclarini karsilamak ve akarsularin olusturmus oldugu duzensizligi ortadan kaldirilmasi icin biriktirme haznelerinin yapilmasi gerekmektedir. Bu calismamizda Yalova Gokce Barajinin, su seviyesinin olusmasinda etkili olan Sellimandira Deresinin gelen akim, yagis, buharlasma, su tahliyesi, ( icme ve kullanma suyu, sulama suyu, dolu savak tahliyesi ) sizinti suyu ve barajin rezervuar yuzey su seviyesi olcum verilerini kullanarak, rezervuardaki mevcut suyun seviyesinin tahmin edilmesi amaclanmistir. Son zamanlarda Yapay Sinir Aglarinin bircok uygulama alaninda basari ile kullanilmasindan dolayi bu calismamizda da yapay sinir aglari modelleri kullanilarak Yalova Gokce Barajinin 2019 yili su seviyesinin tahmini yapilmistir. Yapay sinir aglari modellerinin analizinde, cok katmanli yapay sinir agi fonksiyonu olan Levenberg-Marquardt egitim algoritmasi ile Gradient Descent with Momentum egitim algoritmasi kullanilmistir. Bu yapay sinir agi modellerinin analizlerinden cikan sonuclar karsilastirilmis olup Levenberg-Marquardt egitim algoritmasi ile bulunmus olan tahmin verilerinin gercek su seviyesine daha yakin degerlerde oldugu tespit edilmistir.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

随着世界人口的增加和全球变暖造成的干旱影响，如何保护水这种不可替代的资源以满足人类的需要，成为世界舆论关注的重要问题之一。为了满足河流水位较低时期的用水需求，并消除河流造成的不规则现象，应修建蓄水池。本研究旨在利用大坝的入库流量、降雨量、蒸发量、排水量（饮用水和公用事业用水、灌溉用水、溢洪道排水）、渗漏水和水库表面水位测量数据，估算雅洛娃-戈克塞大坝水库当前的水位。由于人工神经网络近来已成功应用于许多领域，在本研究中，利用人工神经网络模型对 Yalova Gokce 大坝 2019 年的水位进行了预测。在对人工神经网络模型进行分析时，使用了 Levenberg-Marquardt 训练算法和带动量的梯度下降训练算法，这两种算法都是多层人工神经网络函数。对这些人工神经网络模型的分析结果进行了比较，结果表明，使用 Levenberg-Marquardt 训练算法得出的预测数据更接近实际水位。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Kırklareli Üniversitesi Mühendislik ve Fen Bilimleri Dergisi

自引率

0.00%

发文量