امیرسعید مرادی - دانشجوی کارشناسی ارشد مهندسی عمران - آب، دانشگاه آزاد اسلامشهر
صابر معظمی گودرزی - دکتری عمران - آب ، استادیار دانشگاه آزاد اسلامشهر
صمد امامقلیزاده - دکتری سازه های آبی ، دانشیار دانشگاه صنعتی شاهرود

بار رسوبی از جمله عوامل مهم تاثیرگذار در عملکرد هیدرولیکی سازههای آبی و ساختار ریختشناسی رودخانهها بهشمار میرود. همچنین بهرهبرداری از رودخانهها و مدیریت منابع و سازههای آبی، در گرو آگاهی از کمیت بار رسوبی میباشد. از اینرو، پیشبینی میزان بار رسوب معلق رودخانهها و مخازن سدها و بهکارگیری روشهای کارآمد برای محاسبه رسوب، از جمله موضوعات مهم در مسایل هیدرولوژی، مهندسی رودخانه و مدیریت منابع آب میباشد که مورد توجه محققان قرار گرفته است. لذا پژوهشگران برای دستیابی به دقت هر چه بالاتر در امر تعیین بار رسوب معلق، روشهای گوناگونی را مورد آزمایش و آزمون قرار دادهاند. روابط تجربی از جمله منحنی سنجه رسوب، میزان بار رسوبات را بیشتر یا کمتر از میزان واقعی آن گزارش میکنند. تخمین نادرست حجم رسوبات، منجر به طراحی مخزن با حجمی کمتر یا بیشتر از نیاز واقعی آن خواهد گردید که خود نیز مشکلاتی را بهدنبال خواهد داشت. از اینرو، شماری از محققان بهروشهای هوشمند مانند شبکه عصبی مصنوعی، سیستم استنتاج تطبیقی - عصبی فازی و الگوریتمهای تکاملی روی آوردهاند. در پژوهش حاضر بهمنظور پیشبینی بار رسوب معلق ایستگاههای هیدرومتری سیرا واقع در بالادست سد مخزنی امیرکبیر روش برنامهریزی بیان ژن توسعه داده شد و نتایج با نتایج روشهای منحنی سنجه رسوب و فائو مقایسه گردید. لذا اطلاعات دبی جریان و دبی رسوب این دو ایستگاه متعلق به سالهای 1390 -1365جمعآوری شد و مورد بررسی قرار گرفت. برای اجرای مدل برنامهریزی بیان ژن سناریوهای مختلفی در نظر گرفته شد. در نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. همچنین، مقایسه نتایج اجرای مدل برنامهریزی بیان ژن در بخش آزمون سناریوی دوم نشان داد که این روش نسبت به روش منحنی سنجه رسوب، میزان خطای RMSE و MAE را بهمقدار %91 برای ایستگاه هیدرومتری سیرا کاهش داده است. مقایسه نتایج بخش آزمون سناریوی مذکور با روش فائو نیز نشان دهنده کاهش خطای RMSE و MAEبهمیزان و %92% 96 برای ایستگاه هیدرومتری سیرا میباشد.

ایستگاه هیدرومتری سیرا بار رسوب معلق، برنامهریزی بیان ژن، رودخانه کرج