مدل سازی تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی)

رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی است. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه (MLP) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R۲ که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار۹۰.۴۷ برای مدل MLP محاسبه شده است، مقدار R۲ برای این مدل برابر ۰.۸۹ است. پس از مدل شبکه عصبی مصنوعی MLP. مدل رگرسیون خطی چند متغیره با مقدار R۲ برابر با ۰.۳۵۳ قرار دارد. و این نشان دهنده ی دقت سه برابری مدل  MLPنسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر میگیرد بیشترین میزان خطا را دارد.  

Keywords:

Vanaiو , Neural Network , Sediment Estimation , Linear Regression , MLP , RBF , ونایی , شبکه عصبی , تخمین رسوب , رگرسیون خطی , MLP