YAPAY SİNİR AĞLARI İLE BEYŞEHİR GÖLÜ SU SEVİYESİ DEĞİŞİMLERİNİN BELİRLENMESİ

Öz

Hidrolojik modelleme çalışmalarında, bilindiği halde ölçülemeyen veya hesaba katılmayan bazı değerler mevcuttur. Yapay Sinir Ağları gibi modelleme araçları bu gibi değerlerin yokluğunda oldukça iyi sonuçlar vermektedir. Bu çalışmada Konya Ovası Projesinin ana su kaynağı olan Beyşehir Gölü’nün su seviyesi değişimleri Yapay Sinir Ağları yöntemi ile belirlenmeye çalışılmıştır. DSİ tarafından yapılan, 1962 ile 1990 yılları arasına ait Giren akım‐Kayıp akım, Yağış, Buharlaşma, Çekilen akım ve Seviye ölçümleri kullanılarak Yapay Sinir Ağları yöntemi yardımı ile seviye değerleri elde edilmiş ve elde edilen değerler geleneksel yöntemlerden edinilen sonuçlarla karşılaştırılmıştır. Yapılan uygulamalar ile en iyi sonuç Ölçeklendirilmiş Eşleştirmeli Gradyant modelinde 1 gizli katman, 7 gizli düğüm sayısı ve 500 epoch için en küçük hata 0.056285 ile elde edilmiştir. Beyşehir Gölü için yapılan bu çalışma ile geleneksel yöntemlerle yapılan seviye ölçümlerinin değerlendirilmesinde karşılaşılan zorluk ve problemlerin ortadan kaldırılması ile sonuca en kısa sürede ulaşılması amaçlanmıştır.

Anahtar Kelimeler

• Yapay Sinir Ağları, Beyşehir Gölü, Seviye Değişimleri, Su Dengesi, Su Bütçesi

Determination of Water Level Fluctuations of Beysehir Lake Using Artificial Neural Networks

Abstract

There are some datas, which are known but ignored or cannot be measured, in hydrological modeling studies. Modeling instruments like Artificial Neural Networks, give efficient results in absence these datas. In this study, water level changes of Beyşehir Lake that is the main water resource of Konya Plain Project, was studied with Artificial Neural Networks method. DSİ carried out the determination of level values with Artificial Neural Networks using Inflow – Loss flow, Rainfall, Evaporation, Drawn flow and Level measurements between years 1962 – 1990, and the obtained values were compared with the results of the traditional methods. The best result was obtained by Scaled Conjugate Gradient model with 0.056285 as lower error, under 1 hidden layer, 7 hidden nodes and 500 epochs, with made application. With this study, performed for Beyşehir Lake, it was aimed to obtain the results in a very short time by eliminating the difficulties and problems faced during the traditional evaluation of level measurements.

Keywords

• Artificial Neural Networks, Beyşehir Lake, Level Changes, Water Equilibrium, Water Bugget