VERİ MADENCİLİĞİ SÜRECİ KULLANILARAK ALTINAPA BARAJI’NIN REZERVUAR İŞLETME MODELİ

Abstract

Rezervuarlardaki su hacminin kontrolü, suyun biriktirilmesinin ve dağıtılmasının doğru zamanda yapılmasıyla olur. Gerekli önlemlerin alınmaması durumunda can ve mal kayıpları da olabilmektedir. Rezervuar işletme çalışmasının yapılması hem su temini hem de olası zararları önlemek açısından önemlidir. Rezervuarların etkili bir şekilde işletilmesi için su hacmini doğru bir şekilde saptamak gereklidir. Çalışmada, Konya il sınırları içerisinde bulunan Meram Çayı üzerindeki Altınapa Baraj Gölü’nün rezervuar işletme çalışması için veri madenciliği süreci kullanılmıştır. Veri madenciliği süreci ile modeller geliştirilirken iki farklı veri seti kullanılmıştır. Bu veri setlerinin ilkinde, göle gelen su miktarı, toplam sarfiyat ve yağış, ikincisinde ise göle gelen su miktarı, buharlaşma ve yağış parametreleri mevcuttur. Bu parametrelerle farklı girdi kombinasyonları kullanılarak hazne hacmini tahmin etmek için çeşitli modeller geliştirilmiştir. Geliştirilen model sonuçları incelendiğinde, rezervuar işletme çalışmalarında veri madenciliği sürecinin kullanılabilir olduğu görülmüştür.

Keywords

• Altınapa Barajı,veri madenciliği,rezervuar işletme modeli,Meram Çayı,Konya

References

1. [1] Meriç, B.T., 2004. Su Kaynakları Yönetimi ve Türkiye. Jeoloji Mühendisliği Dergisi, 28 (1), 27-38.
2. [2] Kapluhan, E., 2013. Türkiye’de Kuraklık ve Kuraklığın Tarıma Etkisi. Marmara Coğrafya Dergisi, 27, 487-510.
3. [3] Sattari, M. T., Fakher-Fard, A., Docherkhesaz, M., Öztürk, F., 2007. Yapay Sinir Ağları Yöntemi ile Savalan Sulama Rezervuarının Simülasyonu. Ankara Üniversitesi Ziraat Fakültesi Tarım Bilimleri Dergisi, 13(4), 337-345.
4. [4] Russell S.O., Campbell P.F., 1996. Reservoir Design and Operation with Variable Lake Hydrology. Journal of Water Resources Planning and Management, 122, 165-170.
5. [5] Sherestha P., Duckstein L., Stakhiv Z., 1996. Fuzzy Rule Based Modeling of Reservoir Operation. Journal of Water Resources Planning and Management, 122, 262-269.
6. [6] Mujumdar P.P., Ramesh T.S.V., 1997. Real-Time Reservoir Operation for Irrigation. Water Resources Research, 33, 1157-1164.
7. [7] Panigrahi D.P, Mujumdar P.P., 2000. Reservoir Operation Modelling with Fuzzy Logic. Water Resources Management, 33, 89-109.
8. [8] Neelakantan T.R., Pundarikanthan N.V., 2000. Neural Network Based Simulation Optimization Model for Reservoir Operation. Journal of Water Resources Planning and Management, 126, 57-64.

9. [9] Kumar, D.N., Prasad, D.S.V. Raju, K.S., 2001. Optimal Reservoir Operation Using Fuzzy Approach. In: Proceedings of the International Conference on Civil Engineering, ICCE.
10. [10] Loaiciga H.A., 2002. Reservoir Design and Operation with Variable Lake Hydrology. Journal of Water Resources Planning and Management, 128, 399-405.
11. [11] Tilmant A., Vanclooster M., Duckstein L., Persoons E. 2002. Comparison of Fuzzy and Nonfuzzy Optimal Reservoir Operating Policies. Journal of Water Resources Planning And Management, 128, 390-398.
12. [12] Chang F.J., Chang Y.T., 2004. Adaptive Neuro-Fuzzy Inference System for Prediction of Water Level in Reservoir. Advances in Water Resources, 29, 1-10.
13. [13] Keskin, M.E., Terzi, Ö., Küçüksille, E.U., 2009. Data Mining Process for Integrated Evaporation Model. Journal of Irrigation and Drainage Engineering, 135(1), 39-43.
14. [14] Terzi Ö., Küçüksille, E.U., Ergin, G., İlker, A., 2011. Veri Madenciliği Süreci Kullanılarak Güneş Işınımı Tahmini. SDU International Technologic Science, 3(2), 29-37.
15. [15] Terzi Ö., 2012. Veri Madenciliği Süreci Kullanılarak Yağış Tahmini. Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu, Trabzon, 126-129.
16. [16] Google Earth, 2010.
17. [17] Hung, S., Yen, D.C., Wang, H., 2006. Applying Data Mining to Telecom Churn Management. Expert Systems with Applications, 31(3), 515-524.
18. [18] http://www.sqlnedir.com/Members/ArticleDetail.aspx?Id=81
19. [19] Öğüt, S., 2009. Veri Madenciliği Kavramı ve Gelişim Süreci. Yeditepe Üniversitesi Fen Bilimleri Enstitüsü, 12s., İstanbul.
20. [20] Tang, Z., MacLennan, J., 2005. Data Mining with Sql Server. Wiley, 480 pages, ISBN: 978-0-471-46261-3.