برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند)

فرسایش، انتقال رسوب، رسو ب گذاری و کیفیت آب از مسایل بسیار مهم در مدیریت حوزه های آبخیز می باشند.آگاهی از میزان رسوب به عنوان پارامترتولید فرآیند فرسایشی درحوضه های آبخیز ازمسائل مهم و کاربردی درمدیریت منابع آب می باشد. در این مطالعه مقدار رسوب معلق با استفاده از دو روش شبکه عصبی مصنوعی ومنحنی سنجه رسوب در حوزه آبخیز ایستگاه مادرسلیمان – سد سیوند برآورد می شود. داده های مورد استفادهشامل دبی جریان، بارش تجمعی 5 روزه و دبی رسوب از سال 1364 تا 1381 می باشد. هفت تابع ساختار متفاوتتعریف شده و با تحلیل همبستگی، بهترین ساختار مناسب انتخاب و مورد آموزش قرار داده شد. در مدل منحنیسنجه رسوب و پس از مقایسه داده ای مشاهداتی و شبیه سازی شده مقادیر ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابربا 0/44 و 1477/3 تن بر روز بدست آمد. همچنین ضریب همبستگی و ریشه میانگین مربعات خطا برای شبکه عصبی مصنوعی با تابع محرک سیگموئید با هفت نرون در لایه پنهان به ترتیب برابربا 0/999 و 48/127 تن برروز بدست آمد. در صورتیکه از تابع محرک گوسین استفاده شود ضریب همبستگی و ریشه میانگین مربعات خطا در حالت نه نرون در لایه پنهان به ترتیب برابربا 0/999 و 52/06 تن برروز بدست آمد. با توجه به نتایج فوق می توان چنین نتیجه گیری نمود که شبکه عصبی مصنوعی روشی مناسب با دقتی بالا میباشد که می تواند دبی رسوب معلق را در مقایسه با منحنی سنجه رسوب به خوبی برآورد کند. همچنین تابعمحرک سیگموئید دقیق تر از تابع محرک گوسین در برآورد رسوب معلق می باشد.

Keywords:

رسوب معلق , منحنی سنجه رسوب , شبکه عصبی مصنوعی , ایستگاه مادر سلیمان