پیش بینی رسوب در مخزن به کمک تحلیل های غیر خطی فازی و شبکه عصبی مطالعه موردی سد وشمگیر

تقاضای چشم گیر فزاینده برای مصرف آب ناشی از رشد جمعیت از یک سو، و منابع آب محدود از سویی دیگر، کمبود آب را به مسئله ای حیاتی در کشورمان تبدیل می نماید. این امر، به نوبه خود، اثری مخرب بر روی رودخانه ها و جریان های ورودی به مخازن سدها دارد. بنابراین پیش بینی رسوب مخازن برای مدیریت کیفیت آب، تولید برق آبی، سیستم های آبیاری و مدیریت بهره برداری از مخازن سدها ضروری است. در سال های اخیر، به استفاده از روش هایی نظیر هوش مصنوعی جهت مدلسازی پدیده هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، توجه زیادی معطوف شده است. در این تحقیق کارایی سیستم استنتاج فازی FIS و شبکه عصبی پرسپترون چند لایهMLP برای پیش بینی میزان رسوب مخزن سد وشمگیر واقع در حوضه آبریز گرگان رود بر اساس داده های روزانه ورودی از دبی جریان اندازه گیری شده در ایستگاه قزاقلی اولین ایستگاه هیدرومتری واقع در بالادست سد وشمگیر مورد ارزیابی قرار گرفته است. همچنین بمنظور بررسی عملکرد مدل ها، از ضریب همبستگی R ، میانگین مربعات خطا MSE و ریشه دوم میانگین مربعات خطا RMSE استفاده شده است. نتایج بدست آمده نشان داد که هر دو ماشین یادگیری هوشمند سیستم فازی و شبکه عصبی توانسته اند تنها با داشتن میزان دبی جریان به عنوان پارامتر ورودی با دقت قابل قبولی به پیش بینی میزان رسوب بپردازند. همچنین مقایسه نتایج حاصله نشان دهنده کارایی بهتر شبکه عصبی پرسپترون چند لایه در مقابل سیستم استنتاج می باشد.

Keywords:

پیش بینی رسوب , سیستم استنتاج فازی , شبکه عصبی پرسپترون چند لایه , حوضه آبریز گرگان رود