Prediction of Lake Van Water Level Change With Artificial Neural Network

Abstract

Van Gölü su seviyesinde geçmişten bu yana süregelen düşüşler ve artışlar gözlenmektedir. Göl su seviyesindeki bu değişim sebeplerinin bulunabilmesi için birçok çalışma yapılmıştır. Yapılan bu çalışmalarda fiziksel nedenlerinin tespitinin yanı sıra istatistiksel yaklaşımlarla da göl seviyesi incelenmektedir. Bu tez istatistiksel bir çalışma olup, meteorolojik etmenlerin göl su seviyesi üzerine etkileri tespit edilerek bir tahmin modeli kurulmaya çalışılmıştır. Bu modelde teknolojinin hızla gelişmesine paralel insan beynini oluşturan sinir sistemini taklit eden yapay sinir ağları kullanılarak meteorolojik parametreler (yağış, sıcaklık, buharlaşma, rüzgâr hız, nispi nem ve aktüel basınç) ile Van Gölü su seviyesi tahmin edilmiştir. Çalışmanın bir diğer uzantısı da bağımsız değişkenler olarak yağış, sıcaklık, buharlaşma, rüzgâr hız, nispi nem ve aktüel basınç, bağımlı değişken olarak ise Van Gölü su seviyesindeki değişimlerin kullanıldığı çoklu doğrusal regresyon analizi ile model denklemi oluşturulmuş olup iki model karşılaştırılmıştır. Bu çalışmada, her iki modelin karşılaştırılması ile elde edilen sonuçlara göre Van Gölü su seviyesi tahmini için, yapay sinir ağları ile tahminin çoklu regresyon analizi yöntemine kıyasla daha gerçekçi sonuçlar ortaya koyabileceği ve YSA tahmin çalışmalarının göl su seviyesinde yalnız zamansal değil alansal da yapılabileceği gözlemlenmiştir.

Continuous decreases and increases have been observed in the water level of Lake Van since the past. Many studies have been carried out to find the reasons for this change in the lake water level. In these studies, the lake level is examined with statistical approaches as well as the determination of its physical causes. This thesis is a statistical study and a prediction model has been tried to be established by determining the effects of meteorological factors on the lake water level. In this model, meteorological parameters (precipitation, temperature, evaporation, wind speed, relative humidity and current pressure) and the water level of Lake Van were estimated by using artificial neural networks that imitate the nervous system that forms the human brain in parallel with the rapid development of technology. Another extension of the study is that the model equation was created with multiple linear regression analysis using precipitation, temperature, evaporation, wind speed, relative humidity and actual pressure as independent variables, and changes in the water level of Lake Van as dependent variables, and the two models were compared. According to the results obtained by comparing both models expressed in this study, it has been observed that the estimation with artificial neural networks can produce more realistic results compared to the multiple regression analysis method for the estimation of the water level of Van Lake, and that ANN estimation studies can be done not only temporally but also spatially at the lake water level.