İzmir'e su sağlayan kuyularda yer altı suyu seviye salınımlarının stokastik analizi

Abstract

Türkiye'nin üçüncü büyük kenti olan İzmir, yıllık 200 milyon m3 civarında bir içme suyu ihtiyacına sahiptir. Bu ihtiyacın yarıdan fazlasının Göksu ve Sarıkız akiferlerinde açılan kuyulardan sağlanması, bu su kaynaklarının zamana bağlı davranışlarının modellenmesi çalışmalarına hayati bir önem kazandırmaktadır. Bu çalışmada, Göksu 16859-A ve Sarıkız Rasat-1 kuyularında kaydedilen aylık yeraltı suyu seviye gözlemlerindeki deterministik trendler çeşitli testlerle teşhis edilip ayıklanmıştır. Trendi alınmış ve tam standardize edilmiş su seviyelerine AR(1), AR(2), ARMA(1,1) gibi mevsimsel olmayan stasyoner zaman serisi modelleri uyarlanmıştır. Birinci Mertebeden tam standardize fark serilerine uyarlanmış stasyoner olmayan ARIMA(p,1,q) modelleri her iki kuyuda da su seviyelerinin rastgele seyir ”“ ARIMA(0,1,0) ”“ ve/veya içsel bağımlı tümleşik hareketli ortalamalı ”“ IMA(1,1) ”“ gibi modellerle başarıyla temsil edilebildiği görülmüştür. Çalışmanın ikinci aşamasında, yağış girdisinin kuyu su seviyeleri üzerindeki etkisini belirlemek amacıyla ARMA(1,1,1,0), ARX(1,1,0) ve ARX(2,1,0) gibi yağış girdili transfer fonksiyonu modelleri kurulmuştur. Oldukça başarılı görülen bu modellerin tahmin performanslarını karşılaştırmak amacıyla farklı mimarilerde beş farklı yapay sinir ağı (YSA) modeli geliştirilmiştir. Girdi katmanlarında önceki aylardaki kuyu su seviyelerini, yağışları ve çekimleri barındıran bu YSA modellerinin tahmin performanslarının yüksek olduğu ve su seviyesi sürecindeki non-lineer dinamik oluşum mekanizmasını daha iyi temsil edebileceği sonucuna varılmıştır. Izmir, the third largest city of Turkey, has an annual municipal fresh water demand of around 200 million m3 /year. Over half of its fresh water requirements is supplied from wells drilled in the Göksu and Sarıkız aquifers. Therefore, modelling of temporal behaviour of these water resources bears a vital importance. In this study, deterministic trends in monthly groundwater levels recorded at Göksu 16859-A and Sarıkız Rasat-1 wells are identified by various trend tests and removed. The non-seasonal linear stationary time series models, such as AR(1), AR(2) and ARMA(1,1), are fitted for the detrended fully standardized water levels. The non-stationary linear ARIMA(p,1,q) models are fitted for the first order differenced and fully standardized sample series. It is found that the first order differenced and fully standardized water levels in both wells can successfully be represented by a random walk model, ARIMA(0,1,0), or by a non-stationary integrated moving average, IMA(1,1), model. Secondly, the single input-single output transfer function models, such as ARMAX(1,1,1,0), ARX(1,1,0), ARX(2,1,0) are developed to explore the effect of rainfall input on the water levels. Five different artificial neural network (ANN) models are also developed to compare the estimation performances of those nonstationary linear stochastic models. It has been found that forecasting performance of the ANN models that incorporate the preceding water levels, precipitations and water withdrawals in the same month were better, and they were able to represent the nonlinear evolution mechanism of the actual water level processes.