Kızılırmak Nehri Türkiye'nin en uzun akarsuyu olduğundan ülkemiz açısından çok önemli bir su kaynağıdır. Özellikle geçtiği illerde veya yakın illerde hem içme suyu, hem sulama hem de enerji üretimi açısından hayati öneme sahiptir. Günümüzde kuraklık ve küresel ısınma tehlikesinin gözle görülür derecede arttığı düşünülürse su kaynaklarının kullanımı, işletilmesi gibi konular ön plana çıkmıştır. Enerji üretiminde kullanılan barajların inşası sırasında akarsu akımının tespiti çok önemlidir. Akarsu akımının tespiti için günümüzde Elektrik İşleri Etüt İdaresi Genel Müdürlüğü ve Devlet Su İşleri akarsuyun belirli noktalarına kurdukları ölçüm istasyonlarıyla akım tahmini yapmaktadırlar. Ancak bu istasyonlar belirli sayıda ve yetersiz olduğu için bazı durumlarda sağlıklı sonuç verememektedirler. Bu çalışmada, yapay zeka tekniklerinden olan ve günümüzde yaygın bir şekilde kullanılan yapay sinir ağları (YSA) metodu ile akım tahmin modelleri geliştirilmiştir. YSA metodu kullanılarak akım tahmin modelleri geliştirmek için, Kızılırmak Nehri üzerinde bulunan Elektrik İşleri Etüt İdaresi Genel Müdürlüğü'nden (EİE) Söğütlühan (1535), Yamula (1501) ve Bulakbaşı (1539) akım gözlem istasyonunun akım değerleri ile Devlet Meteoroloji İşleri Genel Müdürlüğü'nden (DMİ) Kayseri, Sivas ve Zara istasyonlarının yağış değerleri alınmıştır. Söğütlühan istasyonunun akım değerlerini tahmin etmek için üç farklı model geliştirilmiştir. Bunlardan ilkinde, Kayseri, Sivas ve Zara istasyonlarının yağış değerleri ile Yamula ve Bulakbaşı akım gözlem istasyonlarının akım değerleri girdi olarak kullanılmıştır. İkinci model geliştirilirken, birinci modelde kullanılan girdi parametrelerinden Kayseri yağış gözlem istasyonunun değerleri çıkarılmıştır. Akım tahmini için geliştirilen üçüncü modelde ise girdi parametreleri olarak sadece Yamula ve Bulakbaşı akım gözlem istasyonlarının akım değerleri kullanılmıştır. Geliştirilen modeller kıyaslandığında, bütün modellerin uygun sonuçlar verdiği, en iyi sonucun sadece akım değerleri kullanıldığında elde edildiği görülmüştür. Sonuç olarak, yapay sinir ağları metodunun akım tahmin problemlerinde kolaylıkla kullanılabileceği görülmüştür. Anahtar Kelimeler: Akım, Akarsu, Yapay Sinir Ağları, Kızılırmak Nehri.
Kızılırmak River is the tallest river in Turkey. That is why; it is very important source of water for our country. Especially, Kızılırmak River is which passing a lot of provinces and near provinces very important. That is, not only drinking or irrigating but also producing of energy is used. Today, if global warming and drought think getting increase, sources of water used and working have unearthed. It is very important that the producing of energy of dams constructed guess flowing of rivers determination. General Directorate of Electrical Power Resources Survey and Development Administration and General Directorate of State Hydraulic Works guess for the determination flowing of river and they build many stations some places of rivers. But, this is not very trustworthy. Because these stations are insufficient and definite quantity. This study is observed flow very vital another subject and with Artificial Neural Network (ANN) was estimated for Kızılırmak River estimated of month created models. Thus, this article was used of datums which found stations of Kızılırmak River. Three models was created and this models was showed with graphics and views. Datums of rainfalls and flows that were taken for flow from General Directorate of Electrical Power Resources Survey and Development Administration stations of Söğütlühan (1535), Yamula (1501) ve Bulakbaşı (1539) and for rainfall from General Directorate of State Hydraulic Works stations of Kayseri, Sivas ve Zara have been used with used ANN method for improvement models on Kızılırmak River. Three models have been improved to estimate flow station of Söğütlühan (1535). First model; Datums of rainfalls Kayseri, Sivas and Zara and datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs. Second model; Datums of rainfalls Sivas and Zara and datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs but not used rainfall station of Kayseri. Last model; only datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs. As a result all models had been compresioned and for all models had been seen with used ANN method estimate that can be used good results. Keywords : Flow, River, Artifical Neural Networks, Kızılırmak River.
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Yapı Eğitimi Anabilim Dalı, 2009.
Kaynakça var.
Kızılırmak Nehri Türkiye'nin en uzun akarsuyu olduğundan ülkemiz açısından çok önemli bir su kaynağıdır. Özellikle geçtiği illerde veya yakın illerde hem içme suyu, hem sulama hem de enerji üretimi açısından hayati öneme sahiptir. Günümüzde kuraklık ve küresel ısınma tehlikesinin gözle görülür derecede arttığı düşünülürse su kaynaklarının kullanımı, işletilmesi gibi konular ön plana çıkmıştır. Enerji üretiminde kullanılan barajların inşası sırasında akarsu akımının tespiti çok önemlidir. Akarsu akımının tespiti için günümüzde Elektrik İşleri Etüt İdaresi Genel Müdürlüğü ve Devlet Su İşleri akarsuyun belirli noktalarına kurdukları ölçüm istasyonlarıyla akım tahmini yapmaktadırlar. Ancak bu istasyonlar belirli sayıda ve yetersiz olduğu için bazı durumlarda sağlıklı sonuç verememektedirler. Bu çalışmada, yapay zeka tekniklerinden olan ve günümüzde yaygın bir şekilde kullanılan yapay sinir ağları (YSA) metodu ile akım tahmin modelleri geliştirilmiştir. YSA metodu kullanılarak akım tahmin modelleri geliştirmek için, Kızılırmak Nehri üzerinde bulunan Elektrik İşleri Etüt İdaresi Genel Müdürlüğü'nden (EİE) Söğütlühan (1535), Yamula (1501) ve Bulakbaşı (1539) akım gözlem istasyonunun akım değerleri ile Devlet Meteoroloji İşleri Genel Müdürlüğü'nden (DMİ) Kayseri, Sivas ve Zara istasyonlarının yağış değerleri alınmıştır. Söğütlühan istasyonunun akım değerlerini tahmin etmek için üç farklı model geliştirilmiştir. Bunlardan ilkinde, Kayseri, Sivas ve Zara istasyonlarının yağış değerleri ile Yamula ve Bulakbaşı akım gözlem istasyonlarının akım değerleri girdi olarak kullanılmıştır. İkinci model geliştirilirken, birinci modelde kullanılan girdi parametrelerinden Kayseri yağış gözlem istasyonunun değerleri çıkarılmıştır. Akım tahmini için geliştirilen üçüncü modelde ise girdi parametreleri olarak sadece Yamula ve Bulakbaşı akım gözlem istasyonlarının akım değerleri kullanılmıştır. Geliştirilen modeller kıyaslandığında, bütün modellerin uygun sonuçlar verdiği, en iyi sonucun sadece akım değerleri kullanıldığında elde edildiği görülmüştür. Sonuç olarak, yapay sinir ağları metodunun akım tahmin problemlerinde kolaylıkla kullanılabileceği görülmüştür. Anahtar Kelimeler: Akım, Akarsu, Yapay Sinir Ağları, Kızılırmak Nehri.
Kızılırmak River is the tallest river in Turkey. That is why; it is very important source of water for our country. Especially, Kızılırmak River is which passing a lot of provinces and near provinces very important. That is, not only drinking or irrigating but also producing of energy is used. Today, if global warming and drought think getting increase, sources of water used and working have unearthed. It is very important that the producing of energy of dams constructed guess flowing of rivers determination. General Directorate of Electrical Power Resources Survey and Development Administration and General Directorate of State Hydraulic Works guess for the determination flowing of river and they build many stations some places of rivers. But, this is not very trustworthy. Because these stations are insufficient and definite quantity. This study is observed flow very vital another subject and with Artificial Neural Network (ANN) was estimated for Kızılırmak River estimated of month created models. Thus, this article was used of datums which found stations of Kızılırmak River. Three models was created and this models was showed with graphics and views. Datums of rainfalls and flows that were taken for flow from General Directorate of Electrical Power Resources Survey and Development Administration stations of Söğütlühan (1535), Yamula (1501) ve Bulakbaşı (1539) and for rainfall from General Directorate of State Hydraulic Works stations of Kayseri, Sivas ve Zara have been used with used ANN method for improvement models on Kızılırmak River. Three models have been improved to estimate flow station of Söğütlühan (1535). First model; Datums of rainfalls Kayseri, Sivas and Zara and datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs. Second model; Datums of rainfalls Sivas and Zara and datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs but not used rainfall station of Kayseri. Last model; only datums of flows Yamula (1501) and Bulakbaşı (1539) have been used as inputs. As a result all models had been compresioned and for all models had been seen with used ANN method estimate that can be used good results. Keywords : Flow, River, Artifical Neural Networks, Kızılırmak River.