Akarsularda Boyuna Dispersiyon Katsayısının Bulanık Mantık Yöntemi İle Belirlenmesi

Abstract

Araştırmacılar dispersiyon olayını, ancak bazı kabuller altında dispersiyon katsayısını içeren diferansiyel denklemlerle ifade edegelmiştir. Akarsularda boyuna dispersiyon katsayısının belirlenmesi için geliştirilen denklemler de genellikle doğrusal olmayan regresyon analizine, istatistik metotlara veya benzeri kara kutu yaklaşımlarına dayanmaktadır. Bu çalışmada, akarsularda boyuna dispersiyon katsayısını tahmin edebilecek bulanık mantık esaslı bir model geliştirilmiştir. Model, otuzdan fazla akarsu üzerinde yapılan ölçümler sonucu elde edilen veri kümeleri esas alınarak geliştirilmiş ve test edilmiştir. Veri kümeleri, akımın, derinliği, genişliği, kesit ortalama ve kayma hızları ve boyuna dispersiyon katsayısını içermektedir. Sonuçlar, eldeki veriler ve altı araştırmacı tarafından önerilen yedi denklemin sonuçları ile karşılaştırılmıştır. Karşılaştırmada, maksimum, minimum, ortalama, standart sapma ile çarpıklık, değişim ve korelasyon katsayıları, ortalama karesel hata, ortalama karekök karesel hata, ortalama mutlak hata, ortalama mutlak rölatif hata ve kontur harita esas alınmıştır. Sonuçta bulanık modelin, diğer araştırmacılar tarafından önerilen yedi modelden daha gerçekçi sonuçlar verdiği ve güvenilir bir şekilde kullanılabildiği görülmüştür.

In order to investigate the dispersion process, researchers have used differential equations written under certain assumptions with a dispersion coefficient. Many empirical equations, statistical methods or several black box approaches are used to determine the longitudinal dispersion coefficients in natural channels. The main goal of the thesis is to develop a new fuzzy model to estimate the longitudinal dispersion coefficient in natural channels. The fuzzy model uses 96 data sets concerning more than 30 rivers at different times and locations. The data sets include the depth, the width and the mean cross-sectional velocity of the flow, shear velocity and longitudinal dispersion coefficient. Results of the model have been compared with existing data and seven equations proposed by six researchers. The comparison have been made by considering: Maximum, minimum, average, standard deviation, skewness, variation, and correlation coefficients, the mean square error, root mean square error, standard error, normalized error, and contour map method. It is observed that the fuzzy model yields more reliable results than other approaches and it can be used more easily and efficiently.