کورش قادری - استادیار بخش مهندسی آب دانشگاه شهید باهنر کرمان
سیامک شفیعی - دانشجوی کارشناسی ارشد گروه فنی و مهندسی، گرایش سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد سیرجان

با توجه به اینکه در رودخانه ها همواره فرسایش و انتقال رسوب صورت می گیرد، بنابراین بررسی ظرفیت حمل رسوب جریان و مکانیسم انتقال رسوب در هیدرولیک رودخانه و مورفولوژی آن، از اهمیت ویژه ای برخوردارمی باشد. در این مقاله کارایی و عملکرد روش های هوشمند شبکه عصبی مصنوعی (ANN) و سیستم استنتاج نروفازی (ANFIS) به صورت روشی مؤثر جهت تخمین مقدار رسوب معلق رودخانه هلیل رود به کار گرفته شده است. از تعداد 240 داده موجود 168 داده به عنوان داده های آموزش، 36 داده برای اعتبارسنجی و 36 داده برای آزمون بکار برده شده است. جهت رسیدن به ساختار مناسب ANN و ANFIS ، مدل های مختلف با تعداد لایه مخفی و تعداد گره های مختلف طراحی و آزمون شده و نتایج مربوطه مورد مقایسه قرار گرفت. ارزیابی روش های ANN و ANFIS با استفاده از چندین شاخص آماری انجام شده است. در نهایت نتایج بدست آمده نشان می دهد که در روش ANN ، که شبکه عصبی با تعداد 2 لایه پنهان و 20 گره با RMSE (0/0071) و MAE (0/0049) و d (0/9988) و MSE (5/11*10-5) و NMSE (0/0043) و R2 (0/9971) بهترین عملکرد در تخمین مقدار رسوب در رودخانه هلیل رود را داشته است.

رودخانه هلیل رود، ANN ، ANFIS ، رسوب معلق