Artan dünya nüfusu ve küresel ısınmanın oluşturduğu kuraklığın etkisi ile su gibi ikamesi olmayan bir kaynağın, canlıların ihtiyaçlarını karşılayacak oranda muhafaza edebilmek, dünya kamuoyunun üzerinde durduğu önemli konular arasında yer almaktadır. Akarsulardaki su seviyesinin düşük olduğu dönemlerde gerekli olan su ihtiyaçlarını karşılamak ve akarsuların oluşturmuş olduğu düzensizliği ortadan kaldırılması için biriktirme haznelerinin yapılması gerekmektedir. Bu çalışmamızda Yalova Gökçe Barajının, su seviyesinin oluşmasında etkili olan Sellimandıra Deresinin gelen akım, yağış, buharlaşma, su tahliyesi, ( içme ve kullanma suyu, sulama suyu, dolu savak tahliyesi ) sızıntı suyu ve barajın rezervuar yüzey su seviyesi ölçüm verilerini kullanarak, rezervuardaki mevcut suyun seviyesinin tahmin edilmesi amaçlanmıştır. Son zamanlarda Yapay Sinir Ağlarının birçok uygulama alanında başarı ile kullanılmasından dolayı bu çalışmamızda da yapay sinir ağları modelleri kullanılarak Yalova Gökçe Barajının 2019 yılı su seviyesinin tahmini yapılmıştır. Yapay sinir ağları modellerinin analizinde, çok katmanlı yapay sinir ağı fonksiyonu olan Levenberg-Marquardt eğitim algoritması ile Gradient Descent with Momentum eğitim algoritması kullanılmıştır. Bu yapay sinir ağı modellerinin analizlerinden çıkan sonuçlar karşılaştırılmış olup Levenberg-Marquardt eğitim algoritması ile bulunmuş olan tahmin verilerinin gerçek su seviyesine daha yakın değerlerde olduğu tespit edilmiştir.
The increasing world population and the impact of the drought that the global warming creates and the ability to preserve a residential resource such as water to meet the needs of the living is one of the important issues that the world’s public stands on. In the periods when the water level in the flow is low, the water needs need to be satisfied and the storage deposits must be made to eliminate the irregularity that the flow creates. In this study, the Yalova Gökçe Barge, which is effective in the formation of the water level, is intended to estimate the current water level in the reservoirs by using flow, rain, evaporation, water discharge, ( drinking and use water, irrigation water, full water discharge) and the reservoir surface water level measurement data. Recently, due to the success of the use of artificial nervous networks in many areas of application, this study has also used artificial nervous networks models to estimate the 2019 water level of Yalova Gökçe Bar. In the analysis of the models of artificial nerve networks, the function of the multi-layer artificial nerve network was used by the Levenberg-Marquardt training algorithm and the Gradient Descent with Momentum training algorithm. The results from the analysis of these artificial nerve network models were compared and the estimated data found by the Levenberg-Marquardt training algorithm were found to be more close to the actual water level.
Alan : Fen Bilimleri ve Matematik; Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Ulusal
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|