Buradasınız

GÖLLERDE ÜÇ BOYUTLU HİDRODİNAMİK MODELLEMEDE POM VE YAPAY SİNİR AĞLARI YÖNTEMLERİNİN KULLANILMASI : GÖKPINAR BARAJ GÖLÜ ÖRNEĞİ

USE OF POM AND ARTIFICIAL NEURAL NETWORKS IN THE THREE-DIMENSIONAL MODELING OF LAKES : GOKPINAR DAM RESERVOIR AS A CASE STUDY

Journal Name:

Publication Year:

Abstract (2. Language): 
The circulation pattern in lakes and reservoirs varies according to many external factors. In situ measurement of the occuring flow pattern in every point of the lake is a very costly and hard task. For this reason, models determining the velocities and surface fluctuations are developed by using computers. The use of these models enables the generation of the foundation for the prediction of possible environmental problems and water pollution concentrations. Today, three dimensional models are widely used in the modelling of lakes and reservoirs. In this study, the velocity profiles and surface fluctuation values generated under various wind speed and directions at some sections in Gokpinar Lake in Denizli are obtained by applying artificial neural networks (ANN) on the results of three dimensional hydrodynamic model of the lake made with Princeton Ocean Model (POM). The developed ANN model is applied to the same sections for different wind conditions and it is found that the results are in accordance with the results of POM. As a result of the comparisons of the models, the superiorities of the models on each other at the model generation and solution phases are determined and mentioned.
Abstract (Original Language): 
Göl ve haznelerdeki akıntı yapısı birçok dış etkene bağlı olarak değişmektedir. Oluşan akıntı yapısını gölün tüm noktalarında yerinde ölçümle belirlemek oldukça masraflı ve zordur. Bu nedenle, hızları ve seviye değişimlerini bilgisayar ortamında belirleyen modeller geliştirilmiştir. Bu modeller kullanılarak, oluşabilecek çevresel sorunların önceden tahmin edilebilmesi ve su kirlilik konsantrasyonlarının belirlenmesi için bir altyapı elde edilmiş olur. Günümüzde göl ve haznelerin modellenmesinde üç boyutlu modellerin kullanımı yaygınlaşmıştır. Bu çalışmada, Denizli'de bulunan Gökpınar Baraj Gölü için Princeton Okyanus Modeli (POM) ile yapılmış olan üç boyutlu hidrodinamik modellemenin sonuçları üzerinde Yapay Sinir Ağları (YSA) modeli uygulanarak göl içindeki bazı kesitler için çeşitli rüzgar yön ve hızları altında oluşan hız ve seviye değişimi değerleri elde edilmiştir. Oluşturulan YSA modeli, aynı kesitlere farklı rüzgar şartları altında tekrar uygulanmış ve sonuçların POM sonuçlarına uyum gösterdiği tespit edilmiştir. Yapılan karşılaştırmalar neticesinde, model oluşturulması ve çözüm aşamalarında her iki yöntemin birbirine üstünlük sağladığı unsurlar tespit edilmiş ve belirtilmiştir.
43
50

REFERENCES

References: 

Blumberg, A. F. and Mellor, G. L.
1987
. Description of a three dimensional coastal ocean circulation model, Heaps, N. S. Ed., Three Dimensional Coastal Models, American Geophysical Union, Washington
DC.
Bodri, L. and Cermak, V. 2000. Prediction of Extreme Precipitation Using a Neural Network: Application to Summer Flood in Moravia, Advances in Engineering, 31, 311-321.
Dibike, Y. B. and Solomatine, D. P. 2001. River Flow forecasting Using Artificial Neural Networks, Phys. Chem. Earth (B)., 26 (1), 1-7.
Dikbaş,
F
. 2002. Göl ve Haznelerdeki Akımların Üç Boyutlu Matematik Modellemesi ve Gökpınar Baraj Gölü İçin Bir Uygulama, 136 s. Doktora Tezi,
Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Denizli.
Fırat, M. 2002. Doğrusal ve Kıvrımlı Akarsulara Yerleştirilen Köprü Ayakları Etrafında Meydana Gelen Oyulma Derinliğinin Yapay Sinir Ağları ile Belirlenmesi, Yüksek Lisans Tezi, Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Denizli.
Hjelmfelt, A. T.
an
d Wang. M. 1996. Predicting Runoff Using Artificial Neural Networks, Surface Water Hydrology, 233-244.
Hsu, K., Gupta, H. V. and Sorooshian. S. 1998.
"Streamflow Forecasting Using Artificial Neural Networks", ASCE Water Eesources Engineering Conference '98, 967-972.
Jang, J. S. R., Sun. C. T. and Mizutani. E. 1997
Neuro-Fuzzy and Soft Computing, PrenticeHall, ISBN 0-13-261066-3, 607 p., United States of America.
Luk, C. K., Ball, J.E. and Sharma, A. 2001. A Study of Optimal Model Lag and Spatial to Artificial Neural Network for Precipitation Forecasting, Journal of Hydrology, 227, 56-65.
Luk, C. K., Ball, J.E. and Sharma, A. 2001. An Application of Artificial Neural Networks for Precipitation Forecasting, Mathematical and Computer Modeling, 33, 683-693.
Nagy, H. M., Watanabe, K. and Hirano, M. 2002. Prediction of Sediment Load Concentration in Rivers using Artificial Neural Network Model, Journal of Hydraulics Engineering, ASCE, 128, 588¬595.
Nasr, G. E., Badr, E. A. and Joun, C. 2003. Back
Propagation Neural Networks For Modeling Gasoline Consumption, Energy Conversion and Management, 44, 893-905.
Zhang, B. and Govindaraju, R. S. 1998. "Using Modular Neural Networks to Predict Watershed Runoff, ASCE Water Eesources Engineering
Conference'98, 897-902.

Thank you for copying data from http://www.arastirmax.com