Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği

NOGAY, H Selçuk; AKINCI, Tahir Çetin; ARKOÇ, ORHAN

Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği

Orhan ARKOÇ, (Kırklareli Üniversitesi, Teknik Bilimler Meslek Yüksekokulu, İnşaat Bölümü, KIRKLARELİ)

Tahir Çetin AKINCI, (İstanbul Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Elektrik Mühendisliği Bölümü, İSTANBUL)

H Selçuk NOGAY (Erciyes Üniversitesi, Mustafa Çıkrıkçıoğlu Yüksekokulu, Elektrik ve Enerji Bölümü, KAYSERİ)

Jeoloji Mühendisliği Dergisi

2 0

Yıl: 2016 Cilt: 40 Sayı: 2 Sayfa Aralığı: 177 - 188 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği

Öz:

Yeraltı suyu dünyanın birçok yerinde içme ve tarımsal sulama amaçlı kullanılmaktadır. Tarımsal faaliyetler zamanla yeraltı sularını kirleterek kalitesinin bozulmasına neden olabilmektedir. Kalitesi bozulmuş bu sular insan sağlığını ve bitkilerin gelişimini olumsuz yönde etkilemektedir. Özellikle kirlenmeye açık serbest akiferlerde yeraltı suyu kalitesinin ucuz yöntemler ile izlenmesi önem kazanmaktadır. Bu çalışmada Ergene Havzası doğu kesiminde yer alan serbest akiferdeki sodyum absorbsiyon oranı (SAR) değerinin tahmini için bir yapay sinir ağı modeli önerilmektedir. Ergene Havzası doğu kesiminde serbest akiferde açılmış olan 18 su kuyusundan bir yıllık süre ile aylık olarak alınan örneklerden elde edilen elektriksel iletkenlik, toplam çözünmüş katı miktarı, sıcaklık, toplam sertlik, klorür miktarı ve pH değerleri model için girdi olarak kullanılmıştır. Modellenen yapay sinir ağında, Levenberg-Marquardt (trainlm) geri yayılım algoritması olarak seçilmiş ve 35 nöron sayısı kullanılmıştır. Modelin sonuçları ile hedefler arasında yüksek tutarlılık gözlenmiştir (R=0,885). Önerilen bu model ile yeraltı sularının daha ucuz ve kolay bir şekilde izlenmesi mümkün olabilecektir

Anahtar Kelime:

Konular: Su Kaynakları Ziraat, Toprak Bilimi

Prediction of Sodium Absorption Ratio (SAR) in Groundwater with the Aid of Artificial Neural Networks: the East Aquifer of Ergene Basin

Öz:

Groundwater is used for drinking and irrigation purposes in many parts of the world. Irrigation practices result in the deterioration of the quality of the groundwater over the time and this adversely affects the human health and plant growth. Monitoring of the vulnerable aquifers with cost-effective methods is important. In this study an artificial neural network model is proposed for the prediction of sodium absorption ratio (SAR) in the unconfined aquifer, located in the east of Ergene basin. The samples taken from 18 observation wells were analysed monthly for electrical conductivity, total dissolved solids, temperature, total hardness, chloride and pH. Levenberg–Marquardt (trainlm) was selected for backpropagation algorithm and 35 neurons were used in the model architecture. The model follows up the experimental data very closely (R= 0,855). Application of the proposed model would make possible to monitor the aquifers in a more cost-effective and easier way

Anahtar Kelime:

Konular: Su Kaynakları Ziraat, Toprak Bilimi

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

Adamowski, J., Fung Chan, H., Prasher, S. O., Ozga Zielinski, B., Sliusarieva, A., 2012. Comparison of multiple linear and nonlinear regression, autoregressive integrated moving average, artificial neural network, and wavelet artificial neural network methods for urban water demand forecasting in Montreal, Canada. Water Resources Research, 48 (1),1-14.
Arkoç, O., 2005. Ergene Havzası Çorlu-Çerkezköy arasındaki kesiminin hidrojeolojisi. İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, Doktora Tezi, 144 s (yayımlanmamış).
Arkoç, O., 2011. Assessment of water quality of east part of the Ergene basin, Turkey. Journal of Environmental Protection and Ecology, 12 (4), 1644-1655.
Arkoç, O., Erdoğan, M., 2011. Ergene Havzası, Çorlu-Çerkezköy arasındaki kesiminin hidrojeokimyası. İTÜ Dergisi/d, 5 (2), 125-134.
Arkoç, O., 2014. Municipal solid waste landfill site selection using geographical information systems: a case study from Çorlu, Turkey. Arabian Journal of Geosciences, 7 (11), 4975- 4985.
Asadollahfardi, G., Hemati, A., Moradinejad, S., Asadollahfardi, R., 2013. Sodium adsorption ratio (SAR) prediction of the Chalghazi river using artificial neural network (ANN) Iran. Current World Environment, 8 (2), 169-178.
Bauder, T. A., Waskom, R. M., Davis, J. G., Sutherland, P. L., 2011. Colorado State University Extension, Report for Irrigation water quality criteria, no.0.506, 4s. Fort Collins, CO, USA.
Bedient, P. B., Rifai, H. S., Newell, C. J., 1994. Ground water contamination: transport and remediation. Prentice Hall, Englewood Cliffs, 540 p.
Cığızoğlu, H. K., 2004. Estimation and forecasting of daily suspended sediment data by multi layer perceptrons, Advances in Water Resources, 27, 185-195.
El-Din, A. G., Smith, D. W., 2002. A neural network model to predict the wastewater inflow incorporating rainfall events. Water Research, 36 (5),1115–1126.
Gontarski, C. A., Rodrigues, P. R., Mori, M., Prenem, L. F., 2000. Simulation of an industrial wastewater treatment plant using artificial neural networks. Computers & Chemical Engineering, 24 (2), 1719-1723.
Güneş, E. H., Güneş, Y., Talınıe, I., 2008. Toxicity evaluation of industrial and land base sources in a river basin. Desalination, 226 (1), 348-356.
Kaastra, I., Boyd, M., 1996. Designing a neural network for forecasting financial and economic time series. Neurocomputing, 10, 215-236.
Kalaycı, S., 2010. SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri. Asil Yayınları, Ankara, 426s. .
Karayiannis, N., Venetsanopoulos, A. N., 2013. Artificial Neural Networks: Learning Algorithms, Performance Evaluation, and Applications. Springer Science & Business Media, No: 209, 373 p.
Kaykıoğlu, G., Ekmekyapar, F., 2005. Ergene Havzası’nda endüstriyel işlem suyu olarak kullanılan yeraltı sularının özellikleri üzerine bir araştırma. Trakya University Journal of Natural Sciences, 6 (1), 85-91.
Lippmann, R. P., 1987. An introduction to computing with neural nets. ASSP Magazine, IEEE, 4 (2), 4-22.
Maier, H. R., Dandy, G. C., 1996. The use of artificial neural networks for the prediction of water quality parameters. Water Resources Research, 32 (4), 1013–1022.
Mjalli, F. S., Al-Asheh, S., Alfadala, H. E., 2007. Use of artificial neural network black-box modeling for the prediction of wastewater treatment plants performance. Journal of Environmental Management, 83 (3), 329–338.
Nogay, H. S., Akinci, T. C., Eidukeviciute, M., 2012. Application of artificial neural networks for short term wind speed forecasting in Mardin, Turkey. Journal of Energy in Southern Africa, 23 (4), 3.
Onkal-Engin, G., Demir, I., Engin, S. N., 2005. Determination of the relationship between sewage odour and BOD by neural networks. Environmental Modelling Software 20 (7), 843– 850.
Özkan, E., Kubaş, A., 2008. Ergene havzasında kirliliğin sosyo ekonomik etkileri. Havza kirliliği konferansı, İzmir, 1, 15-21.
Peng, T. M., Hubele, N. F., Karady, G. G., 1992. Advancement in the application of neural networks for STLF. IEEE Transactions on Power Systems, 7 (1), 250-257.
Şengörür, B., Köklü, R., Ateş, A., 2015. Water quality assessment using artificial intelligence techniques: SOM and ANN—A case study of Melen River Turkey. Water Quality, Exposure and Health, 7 (4), 469-490.
Stern, H. S., 1996. Neural networks in applied statistics. Technometrics, 38 (3), 205-214.
Suarez, D. L., Wood, J. D., Lesch, S. M., 2006. Effect of SAR on water infiltration under a sequential rain–irrigation management system. Agricultural Water Management, 86 (1), 150-164.
Toth, E., Brath, A., Montanari, A., 2000. Comparison of short-term rainfall prediction models for realtime flood forecasting. Journal of Hydrology, 239 (1–4), 132–147.
WHO, 2006. A compendium of drinking-water quality standards in the eastern Mediterranean region. World Health Organization, Geneva, Document No. WHO-EM/CEH/143/E.
Yeşilnacar, M. I., Şahinkaya, E., 2012. Artificial neural network prediction of sulfate and SAR in an unconfined aquifer in southeastern Turkey. Environmental Earth Sciences, 67 (4), 1111- 1119.
Yeşilnacar, M. I., Şahinkaya, E., Naz, M., Özkaya, B., 2008. Neural network prediction of nitrate in groundwater of Harran Plain, Turkey. Environmental Geology, 56 (1), 19-25.

APA	ARKOÇ O, AKINCI T, NOGAY H (2016). Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. , 177 - 188.
Chicago	ARKOÇ ORHAN,AKINCI Tahir Çetin,NOGAY H Selçuk Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. (2016): 177 - 188.
MLA	ARKOÇ ORHAN,AKINCI Tahir Çetin,NOGAY H Selçuk Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. , 2016, ss.177 - 188.
AMA	ARKOÇ O,AKINCI T,NOGAY H Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. . 2016; 177 - 188.
Vancouver	ARKOÇ O,AKINCI T,NOGAY H Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. . 2016; 177 - 188.
IEEE	ARKOÇ O,AKINCI T,NOGAY H "Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği." , ss.177 - 188, 2016.
ISNAD	ARKOÇ, ORHAN vd. "Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği". (2016), 177-188.

APA	ARKOÇ O, AKINCI T, NOGAY H (2016). Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. Jeoloji Mühendisliği Dergisi, 40(2), 177 - 188.
Chicago	ARKOÇ ORHAN,AKINCI Tahir Çetin,NOGAY H Selçuk Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. Jeoloji Mühendisliği Dergisi 40, no.2 (2016): 177 - 188.
MLA	ARKOÇ ORHAN,AKINCI Tahir Çetin,NOGAY H Selçuk Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. Jeoloji Mühendisliği Dergisi, vol.40, no.2, 2016, ss.177 - 188.
AMA	ARKOÇ O,AKINCI T,NOGAY H Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. Jeoloji Mühendisliği Dergisi. 2016; 40(2): 177 - 188.
Vancouver	ARKOÇ O,AKINCI T,NOGAY H Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği. Jeoloji Mühendisliği Dergisi. 2016; 40(2): 177 - 188.
IEEE	ARKOÇ O,AKINCI T,NOGAY H "Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği." Jeoloji Mühendisliği Dergisi, 40, ss.177 - 188, 2016.
ISNAD	ARKOÇ, ORHAN vd. "Yapay Sinir Ağları Yardımı ile Yeraltı Suyunda Sodyum Absorbsiyon Oranı (SAR) Tahmini: Ergene Havzası Doğu Akiferi Örneği". Jeoloji Mühendisliği Dergisi 40/2 (2016), 177-188.