Yapay sinir ağları ile İznik Gölü ağır metal parametrelerinin değerlendirilmesi = Evaluation of heavy metal parameters of Lake Iznik by artifıcial neural networks

Abstract

Bu çalışma da 2015-2021 yılları için İznik Gölü'ndeki 4 giriş Karasu, Kırandere, Olukdere, Sölöz ve 1 çıkış noktası olmak üzere Karsak Deresi'nden su kalite parametre ölçümleri alınmıştır. pH, iletkenlik, sıcaklık, biyolojik oksijen ihtiyacı, kimyasal oksijen ihtiyacı, çözünmüş oksijen ve renk içeren fizikokimyasal parametrelerin ağır metaller Sn, As, Fe, Mn, Cu, Pb, Sb, Al, B, Cr, Cd, Ni, Zn, Se, Ag üzerindeki etkisi incelenmiştir. Ağır metalleri tahmin etmek için çeşitli denemeler yapılarak model çalışmaları için bir yapay sinir ağı (YSA) kullanılmıştır. Model olarak, IBM SPSS istatistik 23 yazılımı kullanılmıştır. Ağır metal değerlerinin performans değerlendirmesinde hata miktarını değerlendirmek için hata kareleri toplamı (SSE) ve belirleme katsayısı (R2) kullanılmıştır. Sonuçlar, belirleme katsayısının çoğunlukla 1'e yakın olduğunu göstermiştir ve YSA analizi, ağır metal parametrelerinin kirlilik tahmininin gerçekleşebileceğini göstermiştir. Böylece, YSA modelinin göldeki ağır metal kirliliğini tanımlamak için etkin bir şekilde kullanılabilecek bir tahmin aracı olduğu görülmüştür

In this study, water quality parameter measurements were taken 4 starting point from İznik lake which are Karasu, Kırandere, Olukdere, Sölöz and 1 outpoint which is Karsak Stream in the 2015 to 2021. The effects on heavy metals Sn, As, Fe, Mn, Cu, Pb, Sb, Al, B, Cr, Cd, Ni, Zn, Se, Ag on pH, conductivity, temperature, biological oxygen need, chemical oxygen need, dissolved oxygen and colorful physcochemical parameters. Various attempts were made to predict heavy metals and an artificial neural network (ANN) was used for model studies. IBM SPSS statistical 23 software was used as the model. The sum of squares of error (SSE) and coefficient of determination (R2) were used to evaluate the amount of error in the performance evaluation of heavy metal values. The results showed that the coefficient of determination was mostly close to 1 and the ANN analysis showed that the pollution estimation of heavy metal parameters could be realized. Thus, it has been seen that the ANN model is an estimation tool that can be used effectively to describe heavy metal pollution in the lake