Dicle nehrinde çözünmüş oksijen derişiminin yapay sinir ağlarıyla modellenmesi

Gittikçe küreselleşen Dünya'da önemli sorunlardan birisi olan su kirliliği konusundaki çalışmalar artarak devam etmektedir. Kirliliğin kontrol altına alınabilmesinde, su kalite çalışmalarının katkısı önemlidir. Suların nitelik olarak standartlara uygun olması gerekliliğinden dolayı su kalitesi üzerine analiz çalışmaları yapılmaktadır. Sucul ortamın dengesini direkt etkileyebilen, su kalitesinin önemli bir parametresi olan çözünmüş oksijenin ele alınması, su kalitesinin yorumlanmasında oldukça önem taşımaktadır. Bu çalışmada, Devlet Su İşleri (DSİ) 10. Bölge Müdürlüğü'nden temin edilen veriler kullanılarak, Dicle nehri alt havzasının çözünmüş oksijen parametresi Yapay Sinir Ağı yöntemi ile modellenmiştir. İstasyon olarak Dicle barajı ve Ongözlü köprü istasyon noktalarına ait veriler kullanılarak, girdi olarak Matlab programı yardımıyla işlenip, çözünmüş oksijen için farklı yapı ve kombinasyonlarda YSA modelleri oluşturulmuştur. Verilerden en iyi çıktıyı almak amacıyla ham verilere normalizasyon tekniği uygulanmıştır. Normalize edilen veriler yapay sinir ağlarında işlenerek tahmin modelleri oluşturulmuştur. Tahmin modelleri her bir istasyon için toplam on iki model olup, bunlar arasındaki performans analizi için R2 (determinasyon katsayısı), OMH (ortalama mutlak hata) ve OKH (ortalama karesel hata) değerleri hesaplanarak, yorumlanmıştır. En uygun çıktıyı veren modeller, her iki gözlem noktasında da yapı olarak İleri Beslemeli Geriye Yayılım Sinir Ağı (İBGYSA) olup algoritma olarak ise Levenberg – Marquardt backpropagation(trainlm)'dır. Nehir suyu çözünmüş oksijeninin modellenmesinde yapay sinir ağlarının kullanılan veri sayısı, zaman ve maliyet açılarından başarılı ve verimli çıktılar oluşturduğu görülmüştür. Diğer yandan sinir ağlarından faydalanılarak su niceliğinden bağımsız bir şekilde su kütlesinin analiz çalışmaları mümkün olup, kirlilik parametrelerinin tayini rahatlıkla gerçekleştirebilmektedir. Her çalışmanın kendi bölgesindeki elzem kirlilik kaynakları belirlenerek, kalite parametrelerinin analiz çalışması sinir ağları aracılığıyla verimli bir şekilde gerçekleştirilebilir.