شبیه‌سازی بار رسوب معلق با استفاده از روش‌های شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیل‌رود

در کشورهای در حال توسعه، به‌علت مشکلات مالی و فنی به‌طور معمول داده‌­های رسوب اندکی اندازه‌گیری می­‌شوند، لذا، مدلی که بتواند با استفاده از داده­‌های دبی آب، میزان بار رسوبی را برآورد کند، می­تواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدل­‌ها در پیش‌­بینی رسوب، این تحقیق با هدف ارائه مدل بهینه­ ­برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاه­‌های هیدرومتری بالادست رودخانه هلیل­‌رود شامل ایستگاه­‌های هیدرومتری پل بافت، سلطانی، هنجان، چشمه عروس، میدان و کناروئیه انجام شد. در این راستا، کارایی انواع مدل­‌های مختلف منحنی سنجه رسوب شامل مدل­‌های یک خطی، دو خطی، روش حد وسط دسته‌­ها به تنهایی و نیز با ضرایب اصلاحی CF1،CF2 و FAO و مدل‌­های جعبه سیاه شامل شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی در شبیه‌سازی رسوب معلق مورد ارزیابی قرار گرفتند. نتایج حاصل از ارزیابی این مدل‌­ها با استفاده از پارامترهای ارزیابی MAE و RMSE با استفاده از داده­‌های آزمون، حاکی از آن است که مدل­‌های عصبی-فازی در عمده ایستگاه­‌های هیدرومتری مورد مطالعه، شامل پل بافت، هنجان و کناروئیه با میزان MAE برابر 35.07، 11958.74 و 34235.27 و RMSE به‌ترتیب برابر 42.07، 28672.78 و 52735.92 تن در روز به‌عنوان بهترین روش برای شبیه‌­سازی میزان بار رسوب معلق به‌شمار می‌آیند. همچنین، مدل شبکه عصبی مصنوعی تابع پایه شعاعی در ایستگاه هیدرومتری میدان با میزان MAE برابر 384.83 و RMSE برابر 669 تن در روز، روش منحنی سنجه رسوب دو خطی در ایستگاه چشمه عروس با میزان MAE و RMSE به‌ترتیب 1.7 و 4.1 تن در روز و روش منحنی سنجه یک خطی با اعمال ضریب اصلاحی CF1 با MAE و RMSE برابر 9723.2 و 41235.6 تن در روز در ایستگاه هیدرومتری سلطانی به‌عنوان بهترین مد‌ل­‌ها برای شبیه‌سازی میزان رسوب معلق می‌­باشند.

Keywords:

ایستگاه هیدرومتری , تابع پایه شعاعی , حد وسط دسته‌ها , رسوب معلق , مدل‌های جعبه سیاه