Yapay sinir ağları (YSA) modeli ile su yüzeyinden buharlaşma tahmini: Atatürk barajı örneği

Abstract

Başta küresel ısınma etkili olmak üzere artan nüfus da göz önüne alındığında su kaynaklarımızın ileriki yıllarda yetersiz kalması, yaşanması muhtemel başlıca büyük problemler arasındadır. Günümüzde ele alınan mühim konulardan biri de mevcut su potansiyelinin her geçen gün daralması ve ileride yaşanabilecek su kıtlığına karşı önlem alınmasıdır. Buna dayanarak mevcut suyun ne kadarını kullanabildiğimizin yanında, gelecekte su potansiyelinin ne derece daralacağını önceden tahmin etmek planlama açısından şarttır. Bu çalışmada Atatürk Barajı’ndaki bir istasyona ait 2016-2018 yılları arası günlük minimum sıcaklık, maksimum sıcaklık, ortalama sıcaklık, güneş radyasyonu, bağıl nem, rüzgar hızı ve buharlaşma verileri kullanılmıştır. Buharlaşmayı etkileyen parametreler girdi olarak ağa verilmiş ve ağın çıktı olarak gösterilen gerçek buharlaşma değerlerine ne derece yakın sonuçlar ürettiği gözlemlenmiştir. Bunun için farklı modellemeler denenmiş ve bulgular analiz edilmiştir. Sonuç olarak %90 doğruluk oranıyla YSA ile buharlaşma tahmininde başarılı sonuçlar elde edilmiştir.Considering the increasing population, especially with the effect of global warming, the insufficiency of our water resources in the coming years is among the major problems that are likely to be experienced. One of the important issues discussed today is the shrinking of the existing water potential day by day and taking precautions against water scarcity that may occur in the future. In this context, besides how much of the existing water we can use, it is essential for planning to predict how much the water potential will shrink in the future. In this study, daily minimum temperature, maximum temperature, average temperature, solar radiation, relative humidity, wind speed and evaporation data of a station in Atatürk Dam between 2016-2018 were used. The parameters affecting the evaporation are given to the network as input and it is observed how close the network produces results to the actual evaporation values shown as output. For this, different models were tried and the findings were analyzed. As a result, successful results were obtained in evaporation estimation with ANN with 90% accuracy.