Monthly runoff model for Kemer Dam with radial based artificial neural networks

Abstract

It is very important to make reliable runoff estimations and runoff modeling studies when planning and designing water resources systems. In the study presented, a Radial Based Artificial Neural Network (RBANN) model is developed and applied to the monthly flows of Kemer Dam reservoir in the Buyuk Menderes Basin. The best radial based neural network model which requires monthly areal precipitation, temperature and a month before areal precipitation as the input data, is trained by using 225 months of runoff data observed between March 1979 and October 1997. The model is then tested by 97 months of runoff data recorded between December 1997 and December 2005. When the statistics of the long term and seasonal term recorded and modeled runoff are compared, it can be seen that the developed model successfully represents the monthly runoff input to Kemer reservoir and can be used to forecast the monthly runoff in a watershed.

Su kaynakları sistemlerinin planlanması ve tasarımı aşamasında, güvenilir akım tahminlerinin ve akım modelleme çalışmalarının yapılması büyük önem taşımaktadır. Sunulan çalışmada, bir Radyal Tabanlı Yapay Sinir Ağı modeli (RTYSA) geliştirilerek, Büyük Menderes Havzası’nda yer alan Kemer Baraj Havzası’na ait aylık akımlara uygulanmıştır. Girdi olarak yağış, sıcaklık ve 1 ay önceki yağış değerlerine ihtiyaç duyan RTYSA modeli, Mart 1979-Kasım 1997 tarihleri arasındaki 225 aylık akım verileri kullanılarak eğitilmiş; Aralık 1997-Aralık 2005 tarihleri arasındaki 97 aylık akım verileri ile sınanmıştır. Gözlenmiş ve modellenmiş akımların uzun dönem ve mevsimsel istatistikleri karşılaştırıldığında; kurulan modelin Kemer Barajı aylık akımlarını başarıyla temsil ettiği; böylece geliştirilen modelin, bir baraj havzasının aylık akımlarının tahmininde başarıyla kullanılabileceği gösterilmiştir.