Estimation of Sediment Yield by Artificial Neural Networks in Relation to Flow and Meteorological Measurements in Euphrates-Dicle Basin - A Case Study of Adiyaman


Creative Commons License

Karaca Ö. F., Yürekli K., Yıldız A. K.

1st International Congress on Agricultural Structures and Irrigation, Antalya, Türkiye, 26 - 28 Eylül 2018, ss.657-658

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.657-658
  • Yozgat Bozok Üniversitesi Adresli: Evet

Özet

Su kaynakları (nehir) beraberinde sediment de taşımaktadırlar. Bunlar, özellikle barajlarda dolgu miktarı ve su seviyesini arttırarak suyun etkin kullanımında kısıtlamalara neden olmaktadırlar. Küresel ısınmanın yaygın olarak görüldüğü günümüzde suyun daha etkili kullanılabilmesi ve sürdürülebilirliğinin sağlanabilmesi için, nehir ve göllerde düzenli aralıklarla gerekli ölçümlerin yapılması gerekmektedir. Bu ölçümler bazen aşırı işgücü ve zaman gereksinimi nedeniyle sistematik olarak yapılamamakta ve son çare olarak eksik verilerde tahmin veya modelleme ile tamamlama yoluna gidilmektedir. Bu amaçla son zamanlarda birçok alanda yaygın olarak kullanılan yöntemlerden birisi de Yapay Sinir Ağları (YSA)’dır. Bu çalışma, Fırat-Dicle havzasında yer alan ve Devlet Su İşleri (DSİ) tarafından işletilen E21A015 numaralı akım ve sediment gözlem istasyonu (SGİ) değerleri kullanılarak YSA tekniği ile sediment verimlerinin tahmin edilmesi üzerine kurulmuştur. Bu verilere ek olarak istasyonların yakınında bulunan 17265 (Adıyaman) meteoroloji gözlem istasyonundan (MGİ) gerekli iklimsel veriler alınmıştır. YSA tahmini için MATLAB yazılımı kullanılmıştır. Elde edilen sonuçlar çoklu regresyon modeli ile karşılaştırılmıştır.

ater is an indispensable source of life for all living things. However, these water resources (rivers) also carry sediment. These sediments cause limitations in the effective use of water, especially by increasing the amount of fill and water level in the dams. Nowadays global warming is widely seen and it is necessary to make regular measurements at rivers and lakes regularly in order to be used more effectively of water and its sustainability. These measurements are sometimes not systematically performed due to excessive labor and time requirements, and as a last resort, missing data are estimated or modeled to completion. One of the most widely used methods in recent years in many areas is Artificial Neural Networks (ANN). For this purpose, this study is based on predicting sediment yields by using ANN technique on E21A015 flow observation station (AGI) data and E21A015 sediment monitoring station (SGI) data in the Euphrates-Dicle basin and operated by State Hydraulic Works (DSI). In addition to these data, necessary climatic data will be obtained from meteorological observation stations (MGI) 17265 (Adıyaman) near the SGI stations. MATLAB software is used for ANN estimation. The results were compared with the multiple regression model.