شبیهسازی رسوب معلق روزانه با استفاده از مدلهای ANN و ANN-PSO

اطلاع و آگاهی از مقدار رسوب معلق یکی از فاکتورهای مهم در طراحی و ساخت سازه های آبی نظیر سدها و همچنین مدیریت پروژه هایمنابع آب می باشد. امروزه یکی از روش های نوین در حل مسائل مهندسی آب و رودخانه ها و همچنین برآورد رسوب معلق رودخانه ها،استفاده از روش های هوش مصنوعی می باشد که مورد توجه بسیاری از محققان و پژوهشگران قرار گرفته است. هدف از انجام این تحقیقارزیابی و مقایسه دو روش هوش مصنوعی ANN و ANN-PSO در پیش بینی رسوب معلق روزانه ایستگاه جمال بیگ در خروجی حوزهآبخیز خارستان واقع در شمال غرب استان فارس می باشد. بدین منظور ابتدا آمار همزمان دبی آب و دبی رسوب رودخانه شور خارستان در خروجی حوزه آبخیز در دوره آماری ۱۳۹۹-۱۳۷۱ جمع آوری گردید. ۸۰ درصد داده ها به عنوان داده های آموزش و ۲۰ درصد دیگر به عنوان داده های آزمون جهت مدل سازی رسوب معلق روزانه توسط مدل های ANN و ANN-PSO استفاده گردید. نتایج نشان داد که روش ANN-PSO با دارا بودن مقادیرRMSE=۲۶/۴۹۴پایین و R=۰/۹۱۲,NSE=۰/۸۲۶ بالاتر نسبت به مدل ANNبرتری داشته و می توان به عنوان روش مناسب جهت شبیه سازی و پیش بینی رسوب معلق روزانه در ایستگاه جمال بیگ استفاده کرد.

شبیهسازی رسوب معلق روزانه با استفاده از مدلهای ANN و ANN-PSO Keywords:

رسوب معلق , هوش مصنوعی , ANN , ANN-PSO