Su Kalitesi Kontrolü için Yapay Sinir Aglari Kullanilarak Çözünmüs Oksijen Tahmini

Year 2005, Volume: 1 Issue: 2, 13 - 16, 01.08.2005

B. Sengorur E. Dogan R. Koklu A. Samandar

Abstract

Nehir su kalitesi analizlerinde çözünmüs oksijen (ÇO) anahtar bir parametredir. Çözünmüs oksijenin dogru
tahmin edilmesi nehir suyu kalite kontrolü için çok önemlidir. ÇO, Biyokimyasal Oksijen Ihtiyaci (BOI),
nitrifikasyon, havalandirma, sedimantasyon, fotosentez, nehir akimi ve su sicakligi gibi bir çok degiskene baglidir
bu nedenle çözülmesi zor kompleks bir problem haline gelmektedir. Literatürde incelenen ÇO tahmin metotlari
zaman tüketimi ve fazla miktarda parametre kullanilmasi açisindan karisik hale gelmektedir. Yapay sinir aglari
insan beyni fonksiyonlarinin basitlestirilmis bir matematiksel temsilidir. Bu çalismada, sinirli sayida veri (NO2-N,
NO3-N, BOI, debi ve sicaklik) kullanilarak yapay sinir aglarinin ÇO tahmin kapasitesi incelenmistir. Aylik
çözünmüs oksijen degerlerine ileri beslemeli yapay sinir agi uygulanmistir. Yapay sinir agi uygulama sonuçlari
incelendiginde ÇO degerlerinin incelen degerlere oldukça yaklastigi belirlenmistir.

Keywords

Yapay sinir aglari, çözünmüs oksijen, su kalitesi

Dissolved Oxygen Estimation using Artificial Neural Network for Water Quality Control

Abstract

Dissolved oxygen (DO) is one of the key parameters when analysing the river water quality. Correct
estimation of DO being carried by a river is very important for water quality control. DO is affected by lots of
variables such as Biochemical Oxygen Demand (BOD), nitrification, reaeration, sedimentation, photosynthesis,
water discharge and temperature for that reason it is hard to solve like a complex problem. The methods available in
the literature for DO estimation are complicated time consuming and neccesitate cumbersome parameter estimation
procedures. Artificial Neural Networks (ANNs) are a simplied mathematical representations of the functioning of
the human brain. This paper examins the potential of ANN in estimating the DO from limited data (NO2-N,
NO3-N, BOD, water discharge and temperature). This study employed feed forward (FF) type ANN for computing
monthly values of DO. The results of the study clearly demonstrate the ANN results are very close to the observed
values of DO.

Keywords

Artificial neural network, dissolved oxygen, water quality