برآورد بار معلق رودخانه ها به کمک شبکه های عصبی و نروفازی (مطالعه موردی؛ بابل رود)

به دلیل ساختار کاملاً غیرخطی پدیده رسوب، روش های کلاسیک و معمول مانند منحنی سنجه قادر بهتخمین صحیح دبی رسوبات نمی باشند. بنابراین، روش های نوین هوش مصنوعی از جمله؛ شبکه عصبی، فازی وسیستم استنتاج فازی- عصبی تطبیقی (نروفازی) برای مدل کردن آن مطرح شده اند. در این تحقیق ، با بهره گیری از روش های هوش مصنوعی نظیر شبکه عصبی پرسپت رون چند لایه (MLP) و تکنیک نروفازی (ANFIS)، مقدار رسوب معلق ایستگاه هیدرومتری قرآن تالار واقع بر رودخانه بابل رود برآورد گردید. در این راستا ترکیبات مختلفی بر حسب دبیهای با تأخیر زمانی به عنوان پارامترهای ورودی و دبی رسوب معلق بهعنوان خروجی شبکه در نظر گرفته شد. سپس با آموزش شبکه و تعیین ساختار مطلوب به کمک نرم افزار MATLAB، مناسب ترین مدل بر اساس شاخصهای آماری به دست آمد و با نتایج حاصل از روش کلاسیک منحنی سنجه رسوب مورد مقایسه قرار گرفت. نتایج نشان داد که روش ANFIS به دلیل این که اساس آن بر پایه قوانین منطقی بیان شده است، از دقت بالاتری نسبت به شبکه عصبی MLP و منحنی سنجه رسوب در برآورد بار رسوبات معلق رودخانهها برخوردار می باشد.

Keywords:

بار معلق , شبکه عصبی , قرآن تالار , نروفازی