مریم اسدی - دانشجوی کارشناسی ارشد آبخیزداری/ دانشگاه اردکان
علی فتح زاده - عضو هیات علمی / دانشگاه اردکان
روح الله تقی زاده مهرجردی - عضو هیات علمی / دانشگاه اردکان

برآورد بار رسوبی رودخانه ها از مهم ترین چالش های مهندسی رودخانه محسوب می شود. به همین دلیل تاکنون مدل های مختلفی با ساختارهای گوناگون جهت برآورد بار رسوبی ارائه گردیده است. در این مطالعه به بررسی کارایی پارامترهای ژئومورفومتری و تکنیک های داده کاوی به منظور پیش بینی بار رسوب معلق در ۶۸ حوزه واقع در دو منطقه ی متفاوت از ایران پرداخته شده است. به همین منظور شش مدل شبکه عصبی مصنوعی، رگرسیون خطی، K نزدیک ترین همسایه، فرآیند گوسی، ماشین بردار پشتیبان و ماشین بردار پشتیبان تکاملی بر روی دو نوع از داده های بار رسوب معلق (رسوب حداقل و متوسط) اجرا گردید. با هدف بهینه سازی مدل ها از پارامترهای ژئومورفومتری و دبی رودخانه به عنوان داده های ورودی به مدل و از تکنیک کاهش ویژگی به منظور کاهش حجم فضای الگوریتم ها استفاده شد. نتایج ارزیابی مدل ها نشان داد که عملکرد مدل ها در داده های رسوب متوسط و حداقل متفاوت می باشد، به طوری که بهترین روش جهت پیش بینی رسوب متوسط رودخانه مدل فرآیند گوسی با ضریب همبستگی ۹۸۸/۰ و میانگین مجذور مربعات ۰۰۴/۱۱ بوده و مناسب ترین روش پیش بینی رسوب حداقل مدل ماشین بردار تکاملی با ضریب همبستگی ۹۹۶/۰ و میانگین مجذور مربعات ۱۷۱/۰ می باشد.

رسوب معلق, پارامتر های کمکی, داده کاوی, کاهش ویژگی, مدل رقومی ارتفاع