ÇEVRE MÜHENDİSLİĞİ ANABİLİM DALI

Transkript

1 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Oya ÖZEL HURMA (ANTALYA) ATIKSU ARITMA TESİSİ PERFORMANSININ MODELLENMESİ ÇEVRE MÜHENDİSLİĞİ ANABİLİM DALI ADANA, 2011

2 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HURMA (ANTALYA) ATIKSU ARITMA TESİSİ PERFORMANSININ MODELLENMESİ Oya ÖZEL YÜKSEK LİSANS TEZİ ÇEVRE MÜHENDİSLİĞİ ANABİLİM DALI Bu tez 01/12/2011 tarihinde Aşağıdaki Jüri Üyeleri Tarafından Oybirliği İle Kabul Edilmiştir Yrd.Doç.Dr. Çağatayhan B. ERSÜ Doç.Dr Galip SEÇKİN Doç. Dr Sami AKÖZ DANIŞMAN ÜYE ÜYE Bu tez Enstitümüz Çevre Mühendisliği Anabilim Dalında hazırlanmıştır. Kod No: Prof. Dr. İlhami YEĞİNGİL Enstitü Müdürü Bu Çalışma Çukurova Üniversitesi Projeleri Araştırma Projeleri Birimi Tarafından Desteklenmiştir. Proje No: MMF.2009.YL.1 Not: Bu tezde kullanılan özgün ve başka kaynaktan yapılan bildirişlerin, çizelge, şekil ve fotoğrafların kaynak gösterilmeden kullanımı, 5846 Sayılı Fikir ve Sanat Eserleri Kanunu ndaki hükümlere tabidir.

3 ÖZ YÜKSEK LİSANS TEZİ HURMA(ANTALYA) ATIKSU ARITMA TESİSİ PERFORMANSININ MODELLENMESİ Oya ÖZEL ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇEVRE MÜHENDİSLİĞİ ANA BİLİM DALI Danışman Üye : Yrd. Doç. Dr. Çağatayhan Bekir ERSÜ Yıl: 2011, Sayfa: 91 : Yrd. Doç. Dr. Çağatayhan Bekir ERSÜ : Doç. Dr. Galip SEÇKİN : Doç. Dr. Sami AKÖZ Bu çalışmada; Hurma (Antalya) Atıksu Arıtma(HAA) Tesisi Performansını belirlenmesi için ileri matematiksel model olan yapay sinir ağlarının uygulanabilirliği araştırılmıştır. Hurma Atıksu Arıtma tesisi, uzun havalandırmalı aktif çamur ve çamur susuzlaştırma ünitesine sahip olup, tesis giriş ve çıkışında rutin olarak ph, sıcaklık, iletkenlik, biyokimyasal oksijen ihtiyacı (BOİ), kimyasal oksijen ihtiyacı (KOİ), toplam azot ve toplam fosfat analizleri yapılmaktadır. Çalışmada farklı giriş parametreleri kullanılarak KOİ çıkış parametresinin arıtma verimleri belirlenmeye çalışılmıştır. Bu giriş parametreleri sırası ile KOİ giriş, BOİ giriş, Toplam Katı Madde giriş, Fosfor giriş, Azot giriş, ph giriş, kütlesel debi kullanılmıştır. SPSS programı kullanılmış olup, farklı modelleme çalışmaları yapılarak tesis verilerinin arasındaki istatistiksel korelasyonun çok düşük olması nedeniyle kullanılabilir bir modelleme yaklaşımı tespit edilememiştir. Anahtar Kelimeler: Yapay Sinir Ağları, Modelleme, Hurma Atıksu Arıtma Tesisi. I

4 ABSTRACT MSc THESIS MODELLING PERFORMANCE OF HURMA WASTE WATER TREATMENT PLANT Oya ÖZEL ÇUKUROVA UNIVERSITY INSTITUTE OF NATURAL AND APPLIED SCIENCE DEPARTMENT OF ENVIRONMENTAL ENGINEERING Supervisor: Asst. Prof. Dr. Çağatayhan Bekir ERSÜ Year: 2011 Pages: 91 Jury : Asst. Prof. Dr. Çağatayhan Bekir ERSÜ : Assoc. Prof. Dr. Galip SEÇKİN : Assoc. Prof. Dr. Sami AKÖZ In this study, the main goal was to determine the treatment performance of Hurma Wastewater Treatment Plant (Antalya). Hurma Wastewater Treatment Plant conssited of an activated sludge bioreactor and sludge drying plants. ph, temperature, BOD, COD, total nitrogen and total phosphorus analysis were carried out for influent and effluent of the plant. In this study, the variable influent parameters were used to determine the treatment effeciency of the COD eff. These influent parameters were COD inf, BOD inf, Total Solid Particles inf, Phosphorus inf, Nitrogen inf, ph inf as well as mass flow. The statistical correlation factor obtained fort he data-sets were very low. Although different mathematical models were used, any modelling application was found to be inadequate. Key Words: Artificial Neural Networks, Modelling, Hurma Waste Water Treatment Plant, Performance. II

5 TEŞEKKÜR Lisans ve yüksek lisans öğrenimim boyunca değerli fikirlerinden ve yardımlarından faydalandığım ve bu tezi hazırlamamda bana büyük destek veren, beni bilgi ve tecrübesiyle destekleyen çalışmamda gösterdiği ilgi ve sabrından dolayı, danışman hocam Sayın Yrd. Doç. Dr. Çağatayhan Bekir ERSÜ ye, hocam Sayın Doç. Dr. Galip SEÇKİN e, hocam Sayın Doç. Dr Sami AKÖZ e, rahat bir çalışma ortamının oluşmasını sağlayan hocam Sayın Prof. Dr. Ahmet YÜCEER e ve diğer bütün Çevre Mühendisliği Bölümü hocalarıma sonsuz teşekkürlerimi sunarım. Ayrıca çalışmalarım esnasında benden yardımlarını esirgemeyen Çevre Mühendisi Orhan Atakan GÜRBÜZ e, Çevre Yüksek Mühendisi Besime HALAÇLAR a, doktora öğrencisi Çevre Yüksek Mühendisi Gökhan YAMAN a, Çevre Mühendisliği Bölüm Sekreteri Oya TARHAN a teşekkürü bir borç bilirim. Bu yoğun süreçte desteklerini benden esirgemeyip maddi manevi hayatımın her döneminde bana yardım eden annem Nazife ÖZEL e, ve babam Enver ÖZEL e ve ablam Fatma ÖZEL BOĞA ya gösterdikleri sabırdan dolayı teşekkür ederim. III

6 İÇİNDEKİLER SAYFA ÖZ...I ABSTRACT... II TEŞEKKÜR... III İÇİNDEKİLER... IV ÇİZELGELER DİZİNİ... VIII ŞEKİLLER DİZİNİ... X SİMGELER VE KISALTMALAR...XII 1. GİRİŞ Atıksuların Arıtılması Çevre Kirliliğin Modellenmesi ve Önemi Modelleme Mantığı ve Aşamaları YAPAY ZEKA VE SİNİR AĞLARI Giriş YSA nın Temel Yapısı YSA nın Temel Özellikleri Örneklerden Öğrenme Biçim tanıma ve sınıflandırma Eksik bilgileri tamamlama Kendi kendine adapte olma Hatalara tolerans gösterme Eksik bilgilerle çalışabilme İşlem Elemanı Ağ Yapıları Tasarım Öğrenme Hatayı geriye yayma ağı öğrenme prosedürü Test-uygulama Yapay Hücre Modelleri Statik Hücre Modeli IV

7 Aktivasyon Fonksiyonları Doğrusal ve Doyumlu-Doğrusal Aktivasyon Fonksiyonu Sigmoid Aktivasyon Fonksiyonu Eşik Aktivasyon Fonksiyonu Diğer Aktivasyon Fonksiyonları Dinamik Hücre Modelleri FIR Filtre Ağırlıklı Dinamik Hücre Modeli RC-Dinamik Hücre Modeli ÖNCEKİ ÇALIŞMALAR MATERYAL VE METOD Materyal Hurma Atıksu Tesisi Tesisin Genel Yeri ve Yerleşim Planı Arıtma Prosesleri Ön Arıtma Anaerobik Reaktör Havalandırma Havuuzu Çamur Karıştırma ve Depolama Tankı Çamur Susuzlaştırma SCADA Sistemi Deniz Deşarj Hattı Yapılan Analizler Metod YSA Model Çalışmaları Veri Analizi Veri Ön Çalışması Model Girdilerinin Belirlenmesi Eğitim Ve Sınama ARAŞTIRMA VE BULGULAR Atıksu Karakteri Modelleme Perfornması V

8 KOİ giriş konsantrasyonunu sınıflandırarak yapılan çalışma Farklı Aylarda yapılan çalışma Kütlesel debi ile KOİç konsantrasyonunu ile yapılan çalışma SONUÇLAR VE ÖNERİLER KAYNAKLAR ÖZGEÇMİŞ EKLER VI

9 VII

10 ÇİZELGELER DİZİNİ SAYFA Çizelge 4.1. İşletme parametreleri Çizelge 5.1. KOİg konsantrasyonu sınıflandırarak yapılan çalışma Çizelge 5.2. KOİ giriş konsantrasyonu sınıflandırarak yapılan çalışmada oluşturulan denklemler.. 64 Çizelge 5.3. Farklı aylar da yapılan çalışma Çizelge 5.4. Farklı aylar da yapılan çalışmada oluşturulan denklemler Çizelge aylık kütlesel debi ve diğer giriş parametrelerinin, KOİç konsantrasyonu ile arasındaki orantı Çizelge aylık kütlesel debi ve diğer giriş parametrelerinin, KOİ çıkış konsantrasyonu ile arasındaki orantının denklemleri VIII

11 IX

12 ŞEKİLLER DİZİNİ SAYFA Şekil 1.1. Atıksu Arıtma Tesisi İşleyişi... 5 Şekil 1.2. Türkiye de bulunan atıksu arıtma tesislerinin coğrafik dağılımı... 7 Şekil 1.3. Model Yapısının Ana Bileşenleri Şekil 2.1. Biyolojik sinir hücresinin şematik yapısı Şekil 2.2. Genel YSA modeli Şekil 2.3. Bir işlem elemanı Şekil 2.4. Sigmoid transfer fonksiyonu Şekil 2.5. Eğitim ve test seti üzerinde hatayı gösteren tipik bir eğitim eğrisi 23 Şekil 2.6. Hatayı geri yayma prosedürü örnek şekli. 24 Şekil 2.7. Yapay Hücre Modeli Şekil 2.8. Basit bir yapay nöron Şekil 2.9. Doyumlu doğrusal aktivasyon fonksiyonu Şekil Sigmoid (tanh) aktivasyon fonksiyonu Şekil Eşik aktivasyon fonksiyonu Şekil FIR filtre ağırlıklı dinamik hücre modeli Şekil FIR filtre olarak tasarlanan ağırlıklar Şekil RC- dinamik bir hücre modeli Şekil 3.1. İskendurun atıksu arıtma tesis çıkışı KOİ değeri, tahmin edilen KOİ değeri Şekil 4.1. Hurma Atıksu Arıtma Tesisi Harita Görünümü ı Şekil 4.2. a) Tesisin Yerleşim Planı,b)Tesisin uydu görünümü Şekil 4.3. a)burgulu Pompalar, b) İnce ızgaralar,c)kum ve yağ tutucular Şekil 4.4. Anaerobik Havuz Şekil 4.5. a)havalandırma havuzundan genel görünüm,b) Oksit kısım,c) Anoksit kısım, d) Blower binası Şekil 4.6. Çökeltme havuzlerından genel görünüm Şekil 4.7. a)çökeltme havuzu savaklanan su, b) Çıkış suyu balık havuzu Şekil 4.8. Çamur karıştırma ve Depolama tankı Şekil 4.9. Belt pres X

13 Şekil Poli hazırlama ünitesi Şekil Servis suyu Şekil SCADA kontrol panosu Şekil a)laboratuvar, b) Biyolojik Arıtmaya giriş ve çıkış suyu XI

14 SİMGELER VE KISALTMALAR x o b W o W v y ϕ(.) h 0 (k) ÇO TP AKM NO 3 NO 2 PO 4 3- ASM BOİ KOİ TKN P R 2 : Girdi vektörü : Girdi katsayısı : Ağırlık vektörü : Hücre Ağırlık Matrisi : Hücrenin Giriş Vektörü : Hücre Çıkışı : Hücrenin Aktivasyon Fonksiyonu : Ani Darbe Cevabı : Çözünmüş Oksijen : Toplam Fosfor : Askıda Katı Madde : Nitrat : Nitrit : Fosfat : Aktif Çamur Modeli : Biyolojik Oksijen İhtiyacı : Kimyasal Oksijen İhtiyacı : Toplam Kjendahl Azotu : Fosfor : Belirleme Katsayısı YSA : Yapay Sinir Ağı NH 3 : Amonyak Σ : Toplama Fonksiyonu F : Eşik Fonksiyonu KGY : Konjuge gradyant yöntemi ÖKGY : Ölçeklenmiş konjuge gradyant yöntemi GY : Geri Yayma XII

15 XIII

16 1. GİRİŞ Oya ÖZEL 1.GİRİŞ Canlı varlıkları yaşamları süresince etkileyen her türlü sosyal, kültürel, tarihî, fizikî ve iklime bağlı faktörlerin tamamı çevre olarak tanımlanmaktadır. Ekosistem, karşılıklı olarak madde alış verişi yapacak biçimde birbirine etki yapan canlı organizmalarla cansız maddelerin bulunduğu herhangi bir doğa parçasıdır. İnsan ihtiyaçlarını karşılayan mal ve hizmet üretimi için hava, su, toprak, orman, madenler gibi doğal kaynakları kullanmaktayız. Nüfus ve gelirdeki artışa paralel olarak insan ihtiyaçları değişik boyutlar kazanmakta ve artmaktadır. Bütün bu faaliyetler, doğal çevreyi ve doğal dengeyi etkilemekte ve bozmaktadır. Doğal denge korunmadığı takdirde, tabiattaki canlıların birbirleriyle olan ve fiziksel çevreyle ilişkileri ve onların sağlıklı gelişme ortamı kalmayacaktır. Ekolojik dengeyi oluşturan canlı ve cansız varlıklar zincirindeki herhangi bir kopma veya bozulma, çevre sorunlarını ortaya çıkaracaktır. Hava, su ve toprak bu çevrenin fiziksel unsurlarını, insan, hayvan, bitki ve diğer mikroorganizmalar ise biyolojik unsurlarını teşkil etmektedir. Çevre kirlenmesi, doğanın kendini temizleme kapasitesinden fazla olan kirlenmenin çevrede meydana getirdiği birikimler ve değişikliklerdir. Üretim sonucunda meydana gelen artık ve atıklar da eklenince, çevre bozulması ve çevre kirlenmesinin boyutları genişlemektedir. Kullanılan doğal kaynakların ve yaban hayatının büyük kısmının tekrar yerine konulamaması ve yenilenememesi, bu kaynakların zamanla yok olmasına ve bunun da büyük bir tehdit oluşturmasına neden olmaktadır. Yaban hayatı dediğimiz canlılar, mikroorganizmalar, deniz ve okyanus canlıları, yabanî bitki örtüsü ve ormanlardır. Ekonomik gelişme, sanayileşme, zenginleşme gibi iktisadî kavramlar, tamamen yukarıda sözü edilen kaynakların yoğun kullanımı ile yakından ilgilidir. İnsanlar, toplumsal yaşam ilişkiler içerisinde doğal kaynaklar kullanarak, teknoloji geliştirerek, ekonomik faaliyetlerde bulunurlar. Bu faaliyetlerin gelişimi ile insanlar kendilerine yapay çevreyi oluştururlar. Toplumlar, yapay çevre içindeki yaşam koşullarını geliştirirken doğa ile sürekli bir ilişki içindedir. Doğal kaynakların gerektiği gibi kullanılmaması ve bunların yenilenemez kaynakları oluşturması geçen zaman içerisinde çevre sorunlarını ortaya çıkarmaktadır. Teknolojideki gelişmeler, sanayileşme, düzensiz şehirleşme, aşırı 1

17 1. GİRİŞ Oya ÖZEL nüfus artışı, doğal kaynakların aşırı ve bilinçsiz bir şekilde tüketilmesi, çevre problemlerinde belirgin bir artışa neden olmaktadır. İnsanlar doğa ile ortak bir şekilde yaşamlarını sürdürmekte ve bundan dolayı da düzensiz kullanım sonucu doğa, önemli ölçüde bozunma gerçekleştirmektedir. Artan nüfusa paralel olarak doğa, daha yoğun kullanılmakta ve tahrip edilmektedir. Kirlenme sonucu bozulan denge, toplumu hem ekonomik hem de sosyokültürel açıdan olumsuz etkilemektedir. Bu olumsuzluk hem sağlık açısından hem de ekonomik açıdan birçok probleme neden olmaktadır. İnsanoğlu'nun yeryüzünde yaşamaya ve kendisine ait yapay çevre oluşturmaya başlamasından bu yana insan ve doğa arasındaki denge, insan aleyhine devamlı olarak bozulmuştur. Özellikle son yıllarda ekolojik dengeyi hızla bozarak çevre sorunları yaratan insan, bu sorunların kendisine dönmesi ve sağlığını olumsuz yönde etkilemesi üzerine çevre bilincine varabilmiş ve bu kavramı kabul etmiştir. Doğal çevrenin istismarı ve buna bağlı olarak son yıllarda ortaya çıkan diğer sorunlar; Radyoaktif sızıntılar, verimli tarım topraklarının tarım dışı amaçlarla kullanılması, gürültü, hava kirliliği, hızlı ve düzensiz kentleşme şeklinde sıralayabiliriz. Bunun sonucunda çevre kirliliği etkilerinin artması ve bu etkilerin doğrudan insan sağlığı üzerinde yarattığı olumsuz sonuçlar nedeni ile çevre kirliliğinin önlenmesi ve bu yönde yapılması gereken çalışmalara verilen önem artmıştır. Çevresel modelleme (hava kalitesi, gürültü, erozyon, risk, sızıntı, hidrolojik model vb. ), coğrafi bilgi sistemleri ve uzaktan algılama ile beraber ana mühendislik alanlarından birini oluşturur. Çevresel modeller, karmaşık çevre sistemlerini simüle etmek ve gelecekteki olası değişimleri tahmin etmek için kullanılmaktadırlar. Değişimlerin ve etkilerin arkasındaki neden-sonuç ilişkisini ölçebilmek için çevresel modelleme güçlü bir araçtır. Özellikle atıksu arıtma tesislerinde modelleme ile az sayıda parametre ve veri kullanılarak tesisin arıtma performansı tahmin edilmektedir. Bunun için atıksu karakterizasyonunda kullanılan parametrelerin değeri arıtma tesisine etkisine oldukça önemli etkiye sahiptir. Orjinal adı Activated Sludge Model (ASM) olan aktif çamur modelleri ilk olarak, o zamanki adı Uluslararası Su Kirliliği Araştırma ve Kontrolü Birliği olan kurum adına çeşitli ülkelerden araştırmacıların biyolojik atıksu arıtımı dizaynının matematiksel olarak modellenmesi amacıyla yaptıkları çalışma sonucunda ortaya çıkmıştır. Modeller subsrat kullanımına karşı 2

18 1. GİRİŞ Oya ÖZEL büyümeye bağlıdır. Ototrofik ve hetetrofik bakterilerin büyümesi ile substrat, oksijen ve nutrient kullanımını tariflemek için modellerde Monod spesifik büyüme hızları kullanılmaktadır. Modellerin önemli özelliğinden biri organik maddeleri tariflemek için BOİ(biyolojik oksijen ihtiyacı) yerine KOİ(kimyasal oksijen ihtiyacı) kullanılmasıdır. Bununla birlikte modellerde KOİ; çözünmüş, partiküler, inert, biyolojik olarak zor ayrışan, biyolojik olarak kolay ayrışan gibi çeşitli alt bölümlerde incelenir. Aktif çamur sistemleri; organik substratlar, inorganik substratlar, çözünmüş oksijen, ototrofik ve hetetrofik bakteriler gibi oldukça fazla parametrenin etkili olduğu karmaşık eşitlikler içerir. Bu karmaşıklığı gidermek için eşitliklerin çözümünde matris modeller kullanılır. Günümüzde sık kullanılan iki aktif çamur modeli, ASM1 ve ASM2 modelleridir. Atık suların tanımını yaparsak; toplumun çeşitli maksatlar için kullanıp kirlettiği sulardır. Konutlardan, endüstriyel ve ticari kuruluşlardan gelen atıkları taşıyan akışkan ile yer altı, yüzeysel veya yağmur suyu gibi suların bir bileşimi olarak tanımlanabilir. Atıksularda bulunan kirletici parametreler şöyledir; BOİ (Biyolojik Oksijen İhtiyacı): Aerobik şartlarda bakterinin organik maddeyi parçalayarak stabilize etmeleri için gerekli oksijen miktarı olarak tanımlanabilir. Evsel ve endüstriyel atık suların kirlilik derecelerini belirlemede yaygın olarak kullanılır. KOİ (Kimyasal Oksijen İhtiyacı): Evsel ve endüstriyel atık suların kirlilik derecesini belirlemede kullanılan önemli bir parametredir. Biyokimyasal oksijen ihtiyacı gibi ancak ondan farklı olarak organik maddelerin biyokimyasal reaksiyonlarla değil redoks reaksiyonlarla oksitlenmesi esasına dayanır. TKM (Toplam Katı Madde): Sudaki veya atık suda ki askıda veya çözünmüş haldeki maddeler, katı maddeler olarak adlandırılır. Ayrıca katı maddeler buharlaştırma işleminden ve derecede kurutmadan sonra geriye kalan maddelerin tümüdür. ph: Çözeltinin asit veya baz olma özelliğini gösterir. çözeltideki hidrojen iyonunun konsantrasyonunu ve daha keskin bir ifade ile hidrojen iyonunun aktivitesini göstermektedir. Çevre mühendislerinin tüm uygulamalarında PH 3

19 1. GİRİŞ Oya ÖZEL parametresi çok önemlidir. Evsel atık su arıtılmasında PH kontrol edilmeli ve biyolojik yaşamı sağlatmak için çok iyi bir şekilde ayarlanmalıdır. Alkalinite: Suyun asitleri nötralize etme kapasitesi olarak tanımlanır Şengil,1996). Alkalinite ölçümleri atık suların ve çamurların tamponlanma kapasitesinin değerlendirilmesinde kullanılır. Azot: Doğal dolanımı olan bakteriler tarafından tüketilmek suretiyle veya kimyasal yollardan değişik Oksidasyon kademelerinde tüm canlı hücrelerin yaşamları için gerekli besi elementidir. Fosfor: Evsel atık sular fosfor bileşiklerince oldukça zengindir. Sentetik deterjanların kullanılmasıyla evsel atık sularda ve organik fosfor konsantrasyonunda önemli bir artış görülmüştür. Çözünmüş oksijen: Suda çözünmüş halde bulunan oksijen konsantrasyonudur. Mikroorganizmaların yaşam ve üremeleri için gerekli enerjiyi oksijenden yararlanarak üretirler. Çözünmüş oksijen tüketimi atık suların arıtılması sırasında, biyolojik değişimlerin aerobik ve anaerobik organizmalar vasıtası ile olup olmadığını belirlemeye yarar Atıksuların Arıtılması Evsel atıksuların arıtım işlemi, fiziksel, biyolojik ve kimyasal proseslerden oluşan arıtma kademelerinde gerçekleştirilir. Birinci kademe arıtma fiziksel proseslerden, ikinci kademe biyolojik proseslerden, üçüncü kademe ileri arıtma proseslerinden oluşur. Bir atıksu arıtma tesisindeki işleyiş Şekil 1.1 de gösterilmektedir. 4

20 1. GİRİŞ Oya ÖZEL Şekil 1.1. Atıksu Arıtma Tesisi İşleyişi (Samsunlu 2005) Atıksuların arıtılmasında uygulanan işlemler devamlı olarak gelişmekte ve değişmektedir. Mevcut atık suya bu işlemlerden hangisinin uygulanacağının belirlenmesi atıksuyun özelliklerinin doğru belirlenmesine bağlıdır. Atıksu karakteri özellikle özel bileşikler açısından devamlı değişmekte olduğundan karakterizasyon çalışmaları yeni arıtma metodlarının belirlenmesinde etkilidir. Biyolojik arıtma ünitesinin gerek kirlilik yükünün düşürülmesi gerekse biyolojik oksidasyon işleminin hızına etki ederek verimi olumsuz etkileyecek atıksu içerisindeki çöker ve yüzer katı maddelerin uzaklaştırılması amacı ile fiziksel arıtma ünitesi kullanılmaktadır (Eroğlu 1995). Bu üniteleri sıralarsak; Izgaralar: Su içerisinde bulunan kaba maddelerin sistem elemanlarına zarar vermemesi, diğer arıtma kısımlarına gelen yükün hafiflemesi amacıyla, kaba maddelerin sudan uzaklaştırılması için ızgaralar kullanılır. Kum Tutucular: Kum, çakıl gibi organik olmayan maddeleri atık sudan ayırmak, arıtma tesislerindeki pompa ve benzeri teçhizatın aşınmasına ve çökeltim havuzlarında tıkanma tehlikesine engel olabilmek için kum tutucular kullanılır. Yüzer Madde Tutucular: Atık suda bulunan ve yoğunluğu sudan küçük olan yağ, gres, solvent ve benzeri yüzer maddeleri sudan ayırmak için yüzer madde 5

21 1. GİRİŞ Oya ÖZEL tutucular kullanılır. Ön çökeltim havuzlarının olmaması veya bu gibi maddelerin konsantrasyonunun fazla olması halinde, gerek bu maddeleri kazanmak, gerekse arıtma verimini yükseltmek amacıyla yüzer madde tutucular yapılmalıdır. Dengeleme Havuzları: Dengeleme havuzları, atık su arıtma tesisine giden atık su debisinin düzenli olmasını, atık sularda debi, bileşim ve kirlilik yükünün zaman içindeki değişimlerinin dengelenmesini sağlar. Çökeltim Havuzları: Çökeltme işlemi, sudan daha yoğun olan askıda katı maddelerin veya kimyasal ve biyolojik işlemlerle yumaklar haline getirilip yoğunluğu sudan daha yoğun maddeler haline getirilen partiküllerin yer çekimi etkisiyle sudan ayrılmasıdır. Çökeltme işlemiyle kirleticilerin diğer arıtma ünitelerine geçişi engellenir. Kimyasal arıtma atık suda kirliliğe neden olan çözünmüş, askıdaki ve koloidal maddelerin uzaklaştırılmasını sağlamak amacı ile çeşitli kimyasal reaksiyonlardan yararlanılması esasına dayanan genel bir metottur. Burada kullanılan genel yöntemler; Koagülasyon: Sudaki safsızlıklarının büyüklükleri angströmden başlar ve süspansiyon maddeler için birkaç yüz milyona kadar gider. Sudaki bu safsızlıkları gidermek için çökeltme işlemleri kullanılır. İyon Değişimi Yöntemi: İyon değiştiriciler, değişim süresince çözeltilerden iyonları alıp aynı miktarda başka iyonları çözeltiye veren sistem parçalarıdır. Bu değişim, sadece aynı yüklü iyonlar arasında gerçekleşebilir. Biyolojik arıtma, atık suda bulunan ve kirlilik yapan organik ve bazı inorganik maddelerin, suda bulunan bakteriler yardımıyla parçalanması, bünyeye alınması gibi işlemler sonucu sudan uzaklaştırılmasıdır. Atık suların biyolojik olarak arıtılması, hava ve bakteri varlığında gerçekleştirilen doğal bir prosestir. Başlıca uygulanan prosesler; Aktif Çamur Sistemleri: Aktif çamur organik ve inorganik maddeler içeren atık su ile hem canlı hem de ölü mikroorganizmaların karışımıdır. Aktif çamur süreci mikroorganizmaların organik maddeyi çözünmüş oksijen kullanarak ayrıştırmaları esasından yararlanılarak geliştiren bir aerobik biyolojik arıtma sistemidir. 6

22 1. GİRİŞ Oya ÖZEL Anaerobik Arıtım: Anaerobik parçalanma teknolojisi yaklaşık 100 yıldır bulunmaktadır. Bu teknoloji septik tank ve havuzdan başlayıp zamanla sıcaklık kontrolü ve karışımın sağlandığı, içerisinde oldukça konsantre ve aktif biokütle bulunan yüksek verimli reaktörlere dönüşmüştür. Anaerobik arıtma, organik maddenin moleküler oksijen yokluğunda parçalanmasını sağlar. Aşırı yoğunluktaki kanalizasyon çamurunun stabilizasyonu ve endüstriyel atıksuların arıtılması kullanıldığı başlıca alanlardır Çevre Kirliliğin Modellenmesi ve Önemi Türkiye nin 81 ilinden 43 ünde toplam 129 adet aktif durumda atıksu arıtma tesisi mevcuttur. Bu tesisler toplam kişiye hizmet verilmektedir. Toplam nüfusun yaklaşık olarak % 45 i hizmet görmektedir. Mevcut arıtma tesisleri çoğunlukla ülkenin sanayi ve turizm kentlerinin bulunduğu batı ve güney kesimlerinde yer almaktadır. Türkiye de bulunan atıksu arıtma tesislerinin coğrafik dağılımı Şekil 1.2. de verilmiştir (Arslan ve diğerleri, 2005). Toplam kentsel atıksu arıtma tesislerinin %44 ü büyük şehirlerimizde bulunmaktadır. Şekil 1.2. Türkiye de bulunan atıksu arıtma tesislerinin coğrafik dağılımı (Orhon ve diğ, 2005) Çevre, dünya üzerinde yaşamını sürdüren canlılarının hayatları boyunca ilişkilerini sürdürdüğü dış ortamdır. Hava, su ve toprak bu çevrenin fiziksel unsurlarını, insan, hayvan, bitki ve diğer mikroorganizmalar ise biyolojik 7

23 1. GİRİŞ Oya ÖZEL unsurlarıdır. Gelişen teknolojinin yaşamımıza getirdiği rahatlığın yanında, bu gelişmenin doğaya ve çevreye verdiği kirliliğin boyutu her geçen gün hızla artmaktadır. Çeşitli kaynaklardan çıkan radyoaktif, katı, sıvı ve gaz halindeki kirletici maddelerin hava, su ve toprakta yüksek oranda birikmesi çevre kirliliği oluşmasına neden olmaktadır. Çevre kirliliği etkilerinin artması ve bu etkilerin doğrudan insan sağlığı üzerinde yarattığı olumsuz sonuçlar nedeni ile çevre kirliliğinin önlenmesi ve bu yönde yapılması gereken çalışmalara verilen önem artmıştır. Çevre, özellikle çevre kirliliğinin artmasına neden olan sanayileşmiş ülkelerin gündemlerinde ilk sıralarda yer almakta, alternatif enerjiler ve enerji verimliliği konularında yapılan çalışmalar artmaktadır. Çevresel modelleme (hava kalitesi, gürültü, erozyon, risk, sızıntı, hidrolojik model vb. ), coğrafi bilgi sistemleri ve uzaktan algılama ile beraber ana mühendislik alanlarından birini oluşturur. Çevresel modeller, karmaşık çevre sistemlerini simüle etmek ve gelecekteki olası değişimleri tahmin etmek için kullanılmaktadırlar. Değişimlerin ve etkilerin arkasındaki neden-sonuç ilişkisini ölçebilmek için çevresel modelleme güçlü bir araçtır. Öneminin farkına varılamayan kirlilik; günümüzde çok önemli bir hal almaya başlamış olup, bu durumun üstesinden gelmenin en iyi yolu kirliliğin oluştuğu yerde yani kaynağında azaltmaktır. Fakat zaman geçtikçe bu durum daha karmaşık bir hal almaya başlamıştır. Bu kirlenmenin daha ileriki zamanlarda çok büyük sorunlar ortaya çıkaracaktır. İşte buradan yola çıkarak araştırmacılar çeşitli modeller oluşturmaya başlamışlardır. Bu modellerin amacı gelecekte oluşabilecek sorunları tahmin etmek, kirlenmenin gelecekte daha aza indirilmesi veya tamamen önlenmesi, ekosistem iyileştirmeleri, arıtma tesislerinin laboratuar ölçekli reaktörlere gerek kalmadan verimlerinin belirlenmesi vb. dir. Bilindiği üzere kirlenme; hava, su, toprak kirlenmesi olarak sınıflandırılabilir. Model oluşumlarına örnek olarak; su ekosistemi modellemeleri örnek verilebilir. İçeriği çok geniş olan bir mühendislik uygulamasında birçok yazılım kullanılmaktadır. Bunlar; Matematiksel modelleme yazılımları (hidrolojik, su kalitesi ve havza modelleme yazılımları) 8

24 1. GİRİŞ Oya ÖZEL Matematiksel modellemeye yardımcı yazılımları (model parametre tahmin yazılımları, genel amaçlı duyarlılık analizi yapan yazılımlar, vb. ) Coğrafi bilgi sistemi yazılımları Mühendislik/ tasarım yazılımları Diğer yazılımlar (program geliştirme araçları, elektronik tablolama yazılımları, veritabanı yazılımları, vb. dir. Modelleme, belirli hedeflere ulaşmak için gerçek bir sistemin simülasyonu veya performansını değerlendiren temel bilgi ve deneyimin uygulanması prosesidir. Genel olarak kullanılan modelleme yaklaşımında çevresel açıdan üç farkı model sınıflaması vardır. Bunlar; fiziksel modeller, matematiksel modeller ve ampirik modellerdir. Bu modellerin hepsi birbirinden farklı olup birbirlerini tamamlayıcı özelliktedir. Model, hedefleri ve amaçları olmak üzere ikiye ayrılır. Bu durumda araştırmaya yönelik ve işletmeye yönelik sonuçlar ortaya çıkar. Modellemenin amaçlarında bir veya daha fazla yol takip edilir. Bunlar; sistemi yorumlamak, davranımlarını analiz etmek, yönetmek, işletmek, kontrol etmek veya istenen sonuçları sağlamak, yeni metotlar tasarlamak, geliştirmek veya uyarlamak, sistem hakkındaki hipotezleri test etmek veya çeşitli koşullar altında çıkabilecek sonuçları tespit edebiliriz Modelleme Mantığı ve Aşamaları Fiziki model, belirli bir fiziksel varlığın farklı boyuttaki kopyasıdır. Bunlar, gerçek sistemde sunulan dinamik veya geometrik benzerlikleri, ölçeklendirilmiş model ve ölçüm ve gözlemlerle yapılan deneysel çalışmaları içermektedir. Ampirik modeller(kara kutu modeller), tümevarım veya veriye bağlı yaklaşımlara dayanmakta olup, bu veriye bağlı yaklaşımlar, geçmişte gözlemlenen verilerin sistemin çalışabilirliğinde kesinlik olabilmesi için kabul edilen değerler arasındaki ilişkileri geliştirmek amacıyla kullanılan yaklaşımlardır. Matematiksel modeller (mekanik modeller), tümdengelim veya teorik yaklaşımlara bağlıdır. Burada ana teoriler ve basit kabuller olan sistemdeki birincil koşullar, kesin olarak bilinen değişkenler arasındaki ilişkileri matematiksel olarak elde etmede kullanırlar. Matematiksel 9

25 1. GİRİŞ Oya ÖZEL modelleme yapmak için gerekli görülen özellik; tek bir matematiksel eşitliği gerçek sistemde, sisteme bağlı farklı anlamlara sahip semboller kullanarak geniş aralıkta uygulayabilme durumudur (Khandan, 2002). Aşağıda şekilde görüldüğü gibi bir model oluşturulurken genelde aşağıdaki adımların izlenmesi mümkündür; Şekil 1.3. Model Yapısının Ana Bileşenleri (Chau ve ark., 2002; Chapra 1997) Model çalışmasına başlarken iki önemli adım vardır. Birincisi, idari amaçlar, seçenekler ve yasalar, ayarlamalar ve ekonomik bilgilerle oluşturulabilecek kısıtlamaların getirdiği bilgilere, ikinci ise tanımlanan probleme dayalı daha ayrıntılı verileri elde etmektir. Bu süreç tamamlandığında modeli yapan kişi problemin çözümü için gerekli olan başlangıç bilgilerini toparlamış olup buna göre nasıl bir model yaratacağını belirlemeye başlamış olur. Takım çalışması gerektiren bir çabadır. Kurulacak modelin sisteme ait bazı kısımları değil tüm sistemi temsil etmesi gerekmekte olup, bunun içinde değişkenlerin, katsayıların, sabitlerin ve sınırlayıcı koşulların büyük bir dikkat ve özenle seçilmesi ve modele yerleştirilmesi 10

26 1. GİRİŞ Oya ÖZEL gerekmektedir. Üçüncü adımda matematik çözüm yöntemi seçildikten sonra modelin ilk uygulaması yapılır. Model kalibre edilerek, dördüncü adımda elde edilmiş olan sonuçların yorumlanması ve modelin doğruluğunun yapılması yer alır. Son adım, gerekli kontrollerden geçirilmiş sonuçların uygulama alanına konmasıdır (Chapra, 1997). Su kalitesi modellerinde, kirliliği belirleyen parametrelerin konsantrasyonlarının zamanda ve uzaydaki değişimlerini matematiksel olarak ifade eden bir yapıdır. Akarsular, göller, körfezler ve açık denizlerde insanların neden olduğu etkilerle su kalitesinde oluşan bozulmaları ortaya çıkarmak ve söz konusu etkilerin olumsuz sonuçlarını önlemek için alınan tedbirlerin somut ve objektif bir şekilde saptanmasında bu tip bilgisayar modelleri çok değerli hizmetler vermektedir. Pek çok arıtma tesisi sistem ve işletme olarak benzerlik göstermektedir. Bu tesisler mevsimsel hava hareketlerinden, debi salınımlarından, hidrolik bekletme sürelerindeki değişikliklerden etkilenmektedir. Su kirliliği kontrolünde kullanılan matematiksel modeller iki gruba ayrılır (Uslu, 1987). Bunlar; yüzeysel sulardaki fiziksel, biyolojik ve kimyasal oluşumları matematiksel olarak ifade eden temel modelleri ve dış etkilerle doğal dengesi bozulan ve değişimleri birinci tipteki modellerle saptanan ortamlarda yapılan mühendislik çalışmalarına ve alınan ekonomik, sosyal, hukuki kararlara ışık tutacak simülasyon (benzetim) ve optimizasyon modelleridir. Bu tez çalışmasında Hurma atıksu arıtma tesisi için matematiksel modellemelerden yapay sinir ağlarının uygulanabilirliğini görmek için ikinci bölümde yapay sinir ağlarının tanımı ve özellikleri verilmiştir. 11

27 1. GİRİŞ Oya ÖZEL 12

28 2. YAPAY SİNİR AĞLARI Oya ÖZEL 2. YAPAY SİNİR AĞLARI 2.1.Giriş Yapay zeka, biliminin bir alt dalı olan ve insan beyninin varsayılan çalışma prensibini model alan Yapay Sinir Ağları (YSA) anlatılacaktır. Gelişen dünyada bilgisayar ve bilgisayar sistemleri hayatın vazgeçilmez bir parçası haline gelmiştir. Teknolojinin gelişmesi izlendiğinde önceleri sadece elektronik veri transferi yapmak ve karmaşık hesaplamaları gerçekleştirmek üzere geliştirilen bilgisayarların zaman içerisinde büyük miktarlardaki verileri filtreleyerek özetleyebilen ve mevcut bilgileri kullanarak olaylar hakkında yorumlar yapabilen nitelikler kazandığı görülmektedir. Günümüzde de bilgisayarlar hem olaylar hakkında karar verebilmekte hem de olaylar hakkındaki ilişkileri öğrenebilmektedir. Matematiksel olarak formülasyonu kurulamayan ve çözülmesi mümkün olmayan problemler sezgisel yöntemler yolu ile bilgisayarlar tarafından çözülebilmektedir. Bu çalışmalar yapay zekâ çalışmaları olarak bilinmektedir. Yapay zeka teknolojilerinin en temel özellikleri olaylara ve problemlere çözümler üretirken veya çalışırken bilgiye dayalı olarak karar verebilme özelliklerinin olması ve eldeki bilgiler ile olayları öğrenerek, sonraki olaylar hakkında kararlar verebilmeleridir. Donanım teknolojisi gelişmekte ve daha hızlı çalışabilen, daha çok bilgiyi saklayabilen, daha karmaşık sistemleri ve fonksiyonları yerine getiren bilgisayarlar ve bilgisayar teknolojileri oluşturulmaktadır. Yazılım teknolojisi gelişmekte olup, bilgi işleme yetenekleri, öğrenme, karar verebilme, problem çözme, kıyaslama yapabilme yöntemleri de geliştirilmektedir. Bu gelişmeler ise yapay zeka teknolojilerinin her geçen gün daha yaygın olarak bilinmesine ve gerçek hayatta insanların kullanmasına neden olmaktadır. Yapay zeka bilimine genel bir bakış yapılırsa; bu bilimin, bilginin organizasyonu, öğrenme, problem çözme, teorem ispatlama, bilimsel buluşların modellenmesi gibi birçok konu ile ilgilendiği görülmektedir. Bu yetenekler ile donatılan bilgisayar sistemleri problemlere çözüm üretirken insanların problemleri çözme sürecini taklit etmektedir. Özellikle belirli bir formülasyon kullanılarak çözülemeyen problemlerin çözülmesi için yapay zeka 13

29 2. YAPAY SİNİR AĞLARI Oya ÖZEL sistemleri geliştirilmektedir. Problemin çözümünü sağlayan geleneksel bilgisayar sistemleri problemi çözmek için yeterli olmaktadır. Önemli olan problemin çözümünü veren bir formülün olmadığı durumlarda bilgisayarlara problemleri çözdürmektir. Yapay zekâ bu görevi üstlenmiş bir bilim dalıdır. Yapay sinir ağı modelleri, algoritmik olmayan, paralel ve yayılı bilgi işleme yetenekleri ile bilinen modellerden farklıdır. Bu özellikleri sayesinde YSA, özellikle karmaşık ve doğrusal olmayan hesapları kolaylıkla ve hızlı bir şekilde yapabilir. Algoritmik olmayan ve çok yoğun paralel işlem yapabilen YSA, ayrıca öğrenebilme kabiliyeti ve paralel dağıtılmış hafıza ile de hesaplamada yeni bakış açılarına sebep olmuştur (Çağlar, 2002). 2.2.YSA nın Temel Yapısı Yapay Sinir Ağları teknolojisi, insanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesidir. Yapay Sinir Ağları, basit biyolojik sinir sisteminin çalışma şeklini simule etmek için tasarlanan programları olup, simule edilen sinir hücreleri (nöronlar) içerirler ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluştururlar. YSA(yapay sinir ağları) insan beyninin ve sinir sisteminin öğrenme, sonuç çıkarma gibi davranışlarının modellenmesi ve yapay zeka çalışmalarının bir sonucu olarak ortaya çıkan bir bilgi işleme sistemidir. YSA, işlem elemanlarının (nöronların/yapay sinir hücrelerinin) birbirine farklı eşik seviyelerinde ilişkilendirilmesi ile oluşan bir model olarak düşünülebilir. Biyolojik sistemlerde öğrenme, nöronlar arasındaki sinaptik (synaptic) bağlantıların ayarlarlanması ile olur. Yani insanlar doğumlarından itibaren bir yaşayarak öğrenme süreci içine girerler. Bu süreç içinde beyin sürekli bir gelişme göstermektedir. Yaşayıp tecrübe ettikçe sinaptik bağlantılar ayarlanır ve hatta yeni bağlantılar oluşur. Bu sayede öğrenme gerçekleşir. Bu durum YSA için de geçerlidir. Öğrenme, eğitme yoluyla örnekler kullanarak olur; başka bir deyişle, gerçekleşme girdi/çıktı verilerinin işlenmesiyle, yani eğitme algoritmasının bu verileri kullanarak bağlantı ağırlıklarını (weights of the synapses) bir yakınsama sağlanana kadar, tekrar tekrar ayarlamasıyla olur. 14

30 2. YAPAY SİNİR AĞLARI Oya ÖZEL Şekil 2.1. Biyolojik sinir hücresinin şematik yapısı (Kohonen, 1987) İşlem elemanın (sinir hücresinin) yapısı ve diğer işlem elemanları ile nasıl bir ilişkide bulunduğunu anlama çalışmaları Yapay sinir ağlarının geliştirilmesine temel teşkil etmiştir (bkz. Şekil 2.1). Yapay sinir ağlar ağırlıklandırılmış şekilde birbirlerine bağlanmış birçok işlem elemanlarından (nöronlar) oluşan matematiksel sistemlerdir. Bir işlem elemanı, aslında sık sık transfer fonksiyonu olarak anılan bir denklemdir. Bu işlem elemanı, diğer nöronlardan sinyalleri alır; bunları birleştirir, dönüştürür ve sayısal bir sonuç ortaya çıkarır. Genelde, işlem elemanları kabaca gerçek nöronlara karşılık gelirler ve bir ağ içinde birbirlerine bağlanırlar; bu yapı da sinir ağlarını oluşturmaktadır. Sinirsel (neural) hesaplamanın merkezinde dağıtılmış, adaptif ve doğrusal olmayan işlem kavramları vardır. YSA lar geleneksel işlemcilerden farklı şekilde işlem yapmaktadırlar. Geleneksel işlemcilerde, tek bir merkezi işlem elemanı her hareketi sırasıyla gerçekleştirir. YSA lar ise her biri büyük bir problemin bir parçası ile ilgilenen, çok sayıda basit işlem elemanından oluşmaktadır. En basit şekilde, bir işlem elemanı, bir girdiyi bir ağırlık kümesi ile ağırlıklandırır, doğrusal olmayan bir şekilde dönüşümünü sağlar ve bir çıktı değeri oluşturur. İlk bakışta, işlem elemanlarının çalışma şekli yanıltıcı şekilde basittir. Sinirsel hesaplamanın gücü, toplam işlem yükünü paylaşan işlem elemanlarının birbirleri arasındaki yoğun bağlantı yapısından gelmektedir. 15

31 2. YAPAY SİNİR AĞLARI Oya ÖZEL YSA, birbirlerine bağ ağırlıkları ile bağlı, katmanlar halinde düzenlenmiş ve çıkış değerini belirlemek maksadıyla toplama (Σ) ve eşik fonksiyonu (F) işlemlerini gerçekleştiren işlem elemanlarından meydana gelir. Bir işlem elemanı, aslında sık sık transfer fonksiyonu olarak anılan bir denklemdir. Bu işlem elemanı diğer nöronlardan sinyalleri alır; bunları birleştirir, dönüştürür ve sayısal sonuç ortaya çıkarır. Genelde, işlem elemanları kabaca gerçek nöronlara karşılık gelirler ve bir ağ içinde birbirlerine bağlanırlar; bu yapı da sinir ağlarını oluşturmaktadır (Kohonen, 1987). Tek katmanlı ilk YSA modeli Frank Rosenblatt (1962) tarafından geliştirilmiştir. Bu ağ, verilerin ağa sunulduğu giriş katmanı ile çıkışların elde edildiği çıkış katmanından oluşmuştur. Daha sonraları geliştirilen çok katmanlı bir ağda ise giriş ve çıkış katmanlarının arasında gizli yada ara katman olarak nitelendirilen katmanlar mevcuttur ( Rumelhart ve McClelland, 1986). Şekil 2.2. de görüldüğü gibi daha sonraları geliştirilen, çok katmanlı bir ağda ise giriş ve çıkış katmanları arasında bir veya birden çok gizli katmanlar bulunabilir. Şekil 2.2. Genel YSA modeli ( Rumelhart ve McClelland, 1986) Yapay sinir ağlarında girişler kendi bağ ağırlıkları ile çarpılarak tüm ağırlıklı girişler toplanır, daha sonra bir eşik fonksiyonundan geçirilerek çıkışlar elde edilir. Geniş ya da dar kapsamda birçok tanımla karşılaşılabilmektedir. Hatta, bazı 16

32 2. YAPAY SİNİR AĞLARI Oya ÖZEL araştırmacılar YSA (yapay sinir ağları) için genel bir tanım vermek yerine, YSA türlerinin kendi içinde tanımlanması gerektiğini savunmaktadır (Yurtoğlu, 2005). Yapay sinir ağlarının genel kabul gören bir tanımı (Haykin, 1999) tarafından verilmektedir: Bir sinir ağı, basit işlem birimlerinden oluşan, deneyimsel bilgileri biriktirmeye yönelik doğal bir eğilimi olan ve bunların kullanılmasını sağlayan yoğun bir şekilde paralel dağıtılmış bir işlemcidir. Bu işlemci iki şekilde beyin ile benzerlik göstermektedir: Birincisi, bilgi, ağ tarafından bir öğrenme süreciyle çevreden elde edilir. İkincisi, elde edilen bilgileri biriktirmek için sinaptik ağırlıklar olarak da bilinen nöronlar arası bağlantı güçleri kullanılır. Yapay sinir ağları gerçek hayatta karşılaşılan problemlerde oldukça geniş bir uygulama alanı kazanmışlardır. Bugün, birçok endüstride başarılı şekilde kullanılmaktadırlar. Uygulama alanları için bir sınır yoktur fakat, öngörü, modelleme ve sınıflandırma gibi bazı alanlarda ağırlıklı olarak kullanılmaktadır YSA nın Temel Özellikleri YSA nın temel özellikleri aşağıda listelenmiştir Örneklerden öğrenme YSA ya, öğrenilmesi beklenen girdi ve çıktı ilişkilerinin örnekleri verilir. YSA bu örnekleri kullanarak genellemeler yapar Biçim tanıma ve sınıflandırma YSA ya örnekler girdi olarak verilir. YSA, oluşturulan girdi/çıktı eşleşmeleri ile bilgiyi depoladığı yerdeki yayılı belgeleri kullanarak, karşılık gelen çıktıyı üretir. 17

33 2. YAPAY SİNİR AĞLARI Oya ÖZEL Eksik bilgileri tamamlama Ağa eksik bilgiye sahip bir örnek verildiğinde, örnekteki kayıp olan veriyi belleğinde bulunan örnekteki bilgilerle bağdaştırarak eksik örnekteki kayıp bilgiye karşılık gelen örnekteki bilgiyi bulabilir Kendi kendine adapte olma Bazı YSA modelleri, kendi kendine öğrenme yeteneğine sahiptir. Ortamda değişiklikler olduğunda, bu tür ağlar yeni duruma kendilerini adapte edebilir Hatalara tolerans gösterme Bazı işlem elemanlarının ağdan çıkarılması veya işlem elemanın olmaması durumunda yapay sinir ağının sonuç vermemesi gibi bir durum söz konusu değildir. Bilgiler, bütün ağ boyunca yayılı olduğundan birtakım bilgilerin kayıp oluşu ağın performansının kısmen başarısız olmasına sebep olacaktır. Bu özellik ile, hesaplamada ufak bir eksikliğin kötü sonuçlara yol açabileceği uzay araştırmaları, enerji üretimi, askeri durumlar vs. kritik problemlerde çok faydalıdır Eksik bilgilerle çalışabilme Bulanık veya eksik bilgiler ağa sunulduğu zaman, yayılı bellek bilinen girdi için en uygun çıktıyı seçer. El yazısı tanıma, bu özelliğe güzel bir örnektir İşlem elemanı YSA nın en temel elemanı işlem elemanı olarak adlandırılır. Şekil 2.1 de gösterilen sinir hücresinden esinlenerek oluşturulan yapay sinir hücresi, YSA nın en temel elemanıdır ve işlem elemanı olarak adlandırılır. Genel bir sinir ağı modeli, işlem elemanları ile karakterize edilir. Bir işlem elemanı; girdiler, ağırlıklar, birleşme 18

34 2. YAPAY SİNİR AĞLARI Oya ÖZEL fonksiyonu, transfer fonksiyonu ve çıktı olmak üzere, beş ana öğeden oluşur. İşlem elemanının birden fazla girdisi olabilirken, sadece bir tane çıktısı olabilir. Bir işlem elemanının yapısı Şekil 2.3. de verilmiştir. Girdiler, ağ dışı veya diğer işlem elemanlarından gelen bilgilerdir. İşlem elemanı bazı durumlarda geri besleme ile kendi kendine girdi oluşturabilir. Ağırlıklar, girdi değerlerinin işlem elemanı üzerindeki etkisini kontrol ederler. Yapay sinir ağının bilgisinin depolandığı birimlerdir. Değişken değerler alabilen ağırlıklar, öğrenme esnasında ağın, girdi ve çıktı arasındaki optimum ilişkiyi yakalayabilmek için sürekli olarak değişirler. Bir başka deyişle, ağırlıklar öğrenme esnasında optimize edilirler. Ağ dışından gelen bilgiler son ağırlık değerlerin göre işlenir ve son şeklini alırlar. Birleşme (toplama) fonksiyonu, işlem elemanından gelen bilgileri birleştirir. En çok kullanılan birleşme fonksiyonları maksimum, minimum, çoğunluk, çarpım, toplam ve kümülatif toplam fonksiyonlarıdır. Bunlardan en yaygın olanı, ağırlıklı girdileri toplayan "toplam fonksiyonu" dur. Şekil 2.3. Bir işlem elemanı Transfer veya aktivasyon fonksiyonu, birleştirme fonksiyonun sonucunu değerlendirir. Bu fonksiyon aldığı değeri bir algoritma ile gerçek bir çıktıya dönüştürür. Birleştirme fonksiyonlarında olduğu gibi, bir çok transfer fonksiyonu vardır. En yaygın olarak kullanılanlar, sigmoid fonksiyonu, doğrusal olan fonksiyon 19

35 2. YAPAY SİNİR AĞLARI Oya ÖZEL ve adım fonksiyondur. Birleştirme ve transfer fonksiyonları problemin yapısına göre tercih edilir (Yurtoğlu, 2005). A i 1 = 1+ e net i Şekil 2.4. Sigmoid transfer fonksiyonu Transfer fonksiyonundan çıkan değer işlem elemanının da çıktısıdır. Fakat bazı durumlarda işlem elemanının bu çıktıyı bir çıktı fonksiyonu ile bir dönüşüme uğratması gerekebilmektedir. Çıktılar son olarak, transfer fonksiyonunun sonuçlarını bağlantılı olduğu işlem elemanına veya ağ dışı kaynaklara iletir Ağ yapıları Bir yapay sinir ağı, sahip olduğu birleştirme fonksiyonu, transfer fonksiyonu, topolojisi, kullanılan öğrenme kuralı ve öğrenme stratejisi ile tanımlanır. İşlem elemanlarından oluşan bir grup, katman olarak isimlendirilir. Bir ağın yapısı, ağın bağlantı şekli ve işlem elemanlarının katman yapısına bağlı olarak tanımlanır. Çoğu zaman, katmandaki işlem elemanları, aynı birleştirme ve transfer fonksiyonu ile aynı öğrenme kuralına sahiptir. Yapay sinir ağ modelleri, yapısı ve öğrenme kuralları bakımından birbirlerinden farklıdır. Tipik bir sinir ağı, birbirine bağlanan üç katmandan oluşur. Dışarıdan bilgiyi alan girdi katmanı, bilgiyi işleyen ve girdi ile çıktı ilişkisini kavramada asıl ağırlığı üzerinde bulunduran gizli katman ve sorgulanan problem üzerinde ağın kararını ağ dışına ileten çıktı katmanıdır. Bilgi, bu katmanlar arasındaki bağlantılarda yayılıdır. 20

36 2. YAPAY SİNİR AĞLARI Oya ÖZEL Ayrıca, önemli olan bir nokta, girdi tabakasındaki nöronların girdi değerler üzerinde bir işlem uygulamamasıdır. Sadece girdi değerleri bir sonraki tabakaya iletirler bu yüzden de bazı araştırmacılar tarafından ağların tabaka sayısına dahil edilmezler. Çoğu ağ türünde, gizli tabakadaki bir nöron sadece bir önceki tabakanın tüm nöronlarından sinyal alır. Nöron işlemini yaptıktan sonra ise çıktısını bir sonraki tabakanın tüm nöronlarına gönderir. Bu yapı ağın çıktısı için bir ileri besleme patikası oluşturur. Bu bir nörondan diğerine olan iletişim hattı, sinir ağları için önemli bir parçadır. Normal programlamada veriler veri tabanında saklanırken, yapay sinir ağında bilgiler, bağlantıların sahip oldukları ağırlıklara dağılır ve depolanır. Ağa dışarıdan verilen bir bilgi, girdisi girdi katmandaki elemanlarından ilgili bağlantılar aracılığıyla ağırlandırılarak, ara katmanlara, oradan yine ağırlandırılarak çıktı katmanı işlem elemanlarına iletilirler ve son olarak ağ dışına ağın bilgisi ile birleştirilerek ulaştırırlar. Ağa verilen bilgi, ağdan çıktığında bambaşka bir hale dönüşmüş olacaktır. Bu yapıda, bazı nöronlar girdileri almak için bazı nöronlar ise çıktıları iletmek için dış mekanla bağıntılı haldedirler. Geri kalan tüm nöronlar ise gizli tabakalarda, yani sadece ağ içinde bağlantıları vardır. Bir YSA uygulamasının geliştirilmesi süreci, tasarım, öğrenme/eğitme ve test/uygulama olarak üç safhada incelenebilir Tasarım Problemin veya geliştirilmekte olan uygulamanın, tamamen anlaşılmasının ve buna bağlı olarak planlamanın olduğu ilk safha tasarımdır. Burada, ele alınan problemin YSA ile çözülmeye uygun olup olmadığını araştırmak başka bir noktadır. Problemine uygun bir YSA mimarisi seçilir. Sonra, problemin giriş ve çıkış katmanlarındaki parametreler kesin olarak tanımlanır. Bu parametreler, kalitatif/nitelik bildiren veya kantitatif/miktar bildiren tiplerde olabilirler. Daha sonra, kullanılacak ağ mimarisi ile uyumlu olarak bu parametreler uygun değerlere dönüştürülür. Bu işlem, verilerin ikili (binary) veya sürekli (continuous) değerlere 21

37 2. YAPAY SİNİR AĞLARI Oya ÖZEL dönüştürülmesi ile gerçekleştirilebilir. YSA yapısı hakkında bir karara varıldıktan sonra, gizli katman sayısı ve her bir katmandaki işlem elemanı sayısı belirlenir. YSA nın en iyi performans gösterdiği, ağ hatasını minimum, öğrenme hızını maksimum yapan, optimum katman ve işlem elemanı sayılan deneme-yanılma ile belirlenir. Artık YSA tasarlanmıştır ve eğitilmeye hazırdır (Çağlar, 2002) Öğrenme Yapay sinir ağının en önemli özelliği, öğrenme yeteneğidir. Bir sinir ağında öğrenmenin anlamı, ağın probleme ait doğru çıktıları üretmesi için optimum ağırlık değerlerinin bulunmasıdır. Bilgi, bağlantılarda ağırlıklar şeklinde dağıtıldığı için tek bir bağlantı herhangi anlamlı bir bilgi ifade etmez. Yani, anlamlı bir bilgi oluşturmak için işlem elemanlarından oluşan bir bağlantı grubu gerekmekledir. Problemin en iyi çözümü için ağın, bağlantılarına ait doğru ağırlık değerine sahip olması istenir. Öğrenme, ağırlık değerinin değişimini ifade eden bir öğrenme kuralına dayanır (Wasserman, 1989). Öğrenme kuralının temel ilkesi, öğrenme stratejisiyle tanımlanır ve literatürde üç tip öğrenme stratejisinden söz edilir. Denetimli öğrenmede, ağı eğitmek için bir öğretici gerekir. Öğretici, çıktı katmanında ağ kararının ne olması gerektiğini belirleyerek, diğer yandan da öğrenmede kullanılacak olan örneklerin seçimi de öğretici tarafından yapılır. Girdiler ve doğru çıktı örnekleri ağa verilir. Ağ, girdiyi işleyerek çıktıyı üretir ve üretilen çıktıyı dışarıdan belirlenen çıktı ile karşılaştırır. Her defasında bağlantılardaki ağırlıklar, daha iyi çıktıyı üretmek için yeniden ayarlanarak işlem, kabul edilebilir bir hata düzeyine erişinceye kadar devam eder. YSA öğrenmesinde, genetik algoritmalar başta olmak üzere diğer yapay zeka teknikleri ile bütünleşik modeller de mevcuttur (Kwong, 2006). Destekli öğrenmede de bir öğreticiye ihtiyaç vardır. Ancak, çıktının ne olması gerektiği ağa verilmez. Ağa bildirilen sadece çıktının doğru veya yanlış olduğudur. Denetimsiz öğrenme diğerlerinin aksine bir öğreticiye gerek duymaz. Bu stratejide ağ, girdi/çıktı eşleştirmesini düzenlemek için kendi kararlarını geliştirir. Bu 22

38 2. YAPAY SİNİR AĞLARI Oya ÖZEL nedenle, denetimsiz öğrenme stratejisini kullanan ağlar, kendi kendine organize olan ağlar olarak tanımlanır (Pala, 2003). YSA da bilginin temsili çok önemlidir. Ağ yapısı ne kadar güzel olursa olsun ya da öğrenme ne kadar iyi gerçekleşirse gerçekleşsin, eğer ağa girilen bilgiler tutarlı değilse, üretilen sonuçlar da tutarlı ve isabetli olmayacaktır. Öğrenme seti, ağın problemin öğretilmesinde kullanılan girdi ve çıktılardan oluşan bir settir. Denetimli öğrenmede, çıktılar sette bulunurken destekli öğrenme ve denetimsiz öğrenmede bulunmazlar. Öğrenme işlemi için, çoğu zaman bir eğitim algoritması kullanılır ve ağırlıkların nasıl düzenleneceği bu algoritma tarafından belirlenir. Şekil 2.5. Eğitim ve test seti üzerinde hatayı gösteren tipik bir eğitim eğrisi (Çağlar, 2002) Tipik bir öğrenme işleminde, öğrenme sürecini sona erdirmek için önceden belirlenmiş bir hata kriterine ulaşılıncaya kadar öğrenme örnekleri ağa defalarca gösterilir. Ağ tarafından öngörülen çıkış ile istenen çıkış arasındaki hata oranı, daha önce belirlenen bir sınıra erişmiş ise, ağın problemi yeterince kavradığı kabul edilir. Şekil 2.5. de eğitim seti ve test setinde iterasyon arttıkça hatanın belirli bir noktaya kadar düştüğü daha sonra da aynı düzeyde sabit kaldığı, eğitim seti ile test setinde hatada azalma olmadığı noktanın da optimum eğitim noktası olduğunu gösteren örnek eğitim eğrisini görülmektedir. Günümüzde kullanılan sinir ağ modelleri, girdi 23

39 2. YAPAY SİNİR AĞLARI Oya ÖZEL katmanı, çıktı katmanı ve bir veya birden fazla gizli katmanı olmak üzere en az üç veya daha fazla katmandan oluşmaktadır. Girdi katmanı her girdi örneğini sadece bir sonraki katmana aktarmaktan, son iki katman ise bilgiyi işlemekten sorumludur. İşlem elemanları, bir önceki ve bir sonraki katmandaki elemanlarla bağlantılıdır. Bir önceki katman elemanları bir sonraki katman elemanlarına sadece girdi gönderebilirler, tersinden bir işlem gerçekleşmez. Aynı katmandaki elemanların birbirleri arasında bağlantı yoktur. Ağ dışından gelen bilgiler girdi katmanında bir işleme tabi tutulmadan hiyerarşik yapıya uygun olarak ara katmandaki elemanlara iletilir. Bilgi işleme sadece ara katmanlardaki elemanlar ve çıktı katmanındaki elemanlarla gerçekleşir ve ağ dışına sonuç işlenmiş bir şekilde verilir, buna ileri doğru işlem adı verilir Hatayı geriye yayma ağı öğrenme prosedürü Hatayı geriye yayma ağı prosedüründe iki bölüm vardır (Rumelhart ve diğerleri, 1986): Birincisi; Ağın gerçekleşen çıktılarını ve aktivasyon seviyelerini hesaplamak, ikincisi ise; Ağın istenen ve gerçekleşen çıktıları arasındaki hatayı geriye doğru yaymaktır. Şekil 2.6. da gösterilen hatayı geriye yayma ağı modelinde öğrenme adımları aşağıdaki gibidir. Dördüncü adıma kadar ileri, son üç adım ise geriye doğru işlem adımlarıdır; Şekil 2.6. Hatayı geri yayma prosedürü örnek şekli (Rumelhart ve diğ., 1986) 24