Ege bölgesi doğal akarsularında katı madde taşınımı için ampirik, regresyon ve yapay zeka yöntemlerinin uygulanması

Abstract

Akarsu morfolojisinin anlaşılmasında, barajların projelendirilmesinde, içme ve kullanma suyu temin problemlerinde, havza yönetimi çalışmalarında, akarsudaki kirlilik seviyelerinin belirlenmesinde askıda katı madde yükünün doğru tahmini oldukça büyük önem taşır. Akarsulardaki askıda katı madde miktarı, sediment gözlem istasyonlarında yapılan doğrudan ölçümler, sediment anahtar eğrisi, regresyon, yapay zeka yöntemleri ve deneysel çalışmalara dayanan ampirik yaklaşımlar gibi farklı yöntemlerle belirlenebilmektedir. Sediment gözlem istasyonlarında yapılan doğrudan ölçümler en güvenilir yol olmakla birlikte, bu yöntem oldukça pahalı ve zaman alıcı olup, özellikle taşkın zamanlarında ölçüm kesitlerine ulaşım bazı durumlarda sorun yaratmaktadır. Bu yüzden, akım ve yağış ölçümleri ile karşılaştırıldığında, sediment ölçümleri daha uzun aralıklarla gerçekleştirilmektedir. Çalışmada, Ege Bölgesi'nin başlıca su kaynakları olan Gediz, Küçük Menderes ve Büyük Menderes nehirleri, askıda katı madde taşınımı açısından irdelenmiştir. Oluşturulan senaryolar ışığında bölgedeki dört istasyon için sediment anahtar eğrisi, regresyon ve yapay zeka yöntemleri ile ampirik yaklaşımlar denenmiştir. Çalışmanın birinci kısmında, askıda katı madde gözlemlerinden yararlanılarak, askıda katı madde yükü tahmini için modeller kurulması hedeflenmiştir. Bu amaçla gerçekleştirilen regresyon yöntemleri uygulamalarında hem çoklu doğrusal hem de çoklu doğrusal olmayan modeller kurulurken, yapay zeka yöntemlerinden de hem yapay sinir ağları hem de adaptif sinirsel bulanık sistemler incelenmiştir. Çalışma sonucunda, Türkiye'de sıklıkla kullanılan sediment anahtar eğrisi yönteminin çok doğru tahminler yapmadığı, yapay zeka yöntemlerinin ise genel olarak tüm istasyonlarda iyi sonuç verdiği gözlenmiştir. Çalışmanın ikinci kısmında ise, askıda katı madde yükü literatürde yeralan çeşitli ampirik yaklaşımlar yardımıyla akarsu ve havza özelliklerine bağlı olarak tahmin edilmeye çalışılmıştır. Ampirik yaklaşımların uygulanabilmesi için gerekli olan bazı parametreler arazi ve laboratuar çalışması ile elde edilmiştir. Ampirik yaklaşımlarda Ege Bölgesi için en uygun yaklaşım Brooks Metodu olarak belirlenirken, bu metodun Ege Bölgesi için kalibrasyonu ise Genetik Algoritma ile gerçekleştirilmiştir. Çalışmanın üçüncü kısmı ise günlük yağış ve akım verileri kullanılarak günlük sediment yüklerinin tahminine yönelik çalışmaları kapsamaktadır. Mevcut uygulamada ayda bir yapılan sediment ölçümlerinden yararlanılarak sediment anahtar eğrisi elde edilmekte, daha sonra günlük yapılan akım gözlemleri kullanılarak sediment anahtar eğrisinden günlük sediment yükleri hesaplanmaktadır. Ancak daha önce de belirtildiği gibi, sediment anahtar eğrileri çok sağlıklı sonuçlar vermemektedir. Bu bağlamda, yapay sinir ağları yöntemiyle kurulan model ile Gediz Nehri Acısu İstasyonu'ndaki gözlem yapılmayan günlere ait günlük askıda katı madde yükleri tahmin edilmiştir. Çalışmanın son bölümünde dört istasyonun verileri bölgesel analiz kapsamında incelenmiş ve duyarlılık analizi yapılmıştır. Bu sonuçlara göre askıda katı madde taşınımında en etkin parametre olarak askıda taşınan malzemenin dane çapı belirlenmiştir. The suspended sediment load can be determined by means of several methods such as direct measurements at the sediment gauging stations, sediment rating curve, regression methods, artificial intelligence methods and empirical methods which are based on experimental works. Although direct measurement is the most reliable method, it is very expensive, time consuming, and, in many instances, problematic for inaccessible sections, especially during floods. Because of this, measurements of suspended sediment load are carried out in longer periods compared to precipitation and flow measurements. In this study the suspended sediment load of Gediz, Küçük Menderes and Büyük Menderes Rivers which are the main water resources of Eagen Region, are investigated. In the light of composed scenerios, sediment rating curve, regression methods, artificial intelligence methods and empirical methods are tested for the four stations in the region. In the first part it is aimed to establish suspended sediment load models by means of observations. For this purpose, multi-linear regression, multi-nonlinear regression, artificial neural networks, and adaptive neural inference fuzzy system models are developed. The study results have revealed that sediment rating curve method which is frequently preferred in Turkey has accuracy limitations but artificial intelligence methods in general have better performance for all the stations. In the second part, it is aimed to establish suspended sediment load models related to river and catchments characteristics by means of empirical approaches. Some of the parameters which are needed for the empirical approaches are obtained by land and laboratory work. While Brooks Method is determined as an appropriate approach for the Eagen Region through the empirical approaches, the calibration of this method for the Eagen Region is accomplished by the Genetic Algorithm. In the third part, daily suspended sediment loads from daily precipitation and flow data are predicted. At the present situation, the suspended load measurements are carried once a month and then the sediment rating curves are obtained from these measurements. Using these curves, daily suspended loads are predicted from daily flow rates. As pointed out earlier, however, sediment rating curves do not provide satisfactory results. Hence, this study has successfully employed artificial neural networks to predict missing suspended sediment load data for Acısu Station on Gediz river. At the end of the study, the regional analysis is carried out. The analysis has involved the together treatment of upstream stations, donstream stations, and all the four stations. Also, in this section, a sensitivity analysis is performed. The results have revealed that the transport of the suspended sediment load is very sensitive to the particle diameter.