امین ذرتی پور
چکیده
برآورد دقیق میزان رسوب معلق رودخانه‌ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه‌ها، طراحی کانالها و لایروبی آنها بعد از سیلابها، تعیین خسارتهای ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روشهای متعددی به‌منظور برآورد بار معلق رودخانه‌ها وجود دارد. یکی از این روشها، که در حل مسائل مختلف هیدرولوژی رسوب ...
بیشتر
برآورد دقیق میزان رسوب معلق رودخانه‌ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه‌ها، طراحی کانالها و لایروبی آنها بعد از سیلابها، تعیین خسارتهای ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روشهای متعددی به‌منظور برآورد بار معلق رودخانه‌ها وجود دارد. یکی از این روشها، که در حل مسائل مختلف هیدرولوژی رسوب و پیش‌بینی آن کاربرد زیادی دارد، روشهای نوروفازی و شبکه‌های عصبی مصنوعی است. در این مطالعه ارتباط رسوب و دبی لحظه‌ای متناظرش به‌طور موفقیت‌آمیزی با استفاده از این روشها مدل‌سازی و مورد اعتبارسنجی قرار گرفت. هدف از این تحقیق، کارایی روشهای نوروفازی و شبکه عصبی نسبت به مدلهای آماری در برآورد رسوب معلق روزانه رودخانه طالقانرود حوزه آبخیز طالقان می‌باشد. نتایج نشان داد، برآوردهای ساختارANFIS ، با میانگین قدرمطلق خطای نسبی، 1006 تن در روز، ضریب همبستگی 77درصد، میانگین مربعات خطا2621 تن در روز و ضریب ناش- ساتکلیف 51/0 نسبت به شبکه عصبی و همچنین برآوردهای شبکه عصبی در مقایسه با مدلهای آماری از دقت بالاتری برخوردارند. بنابراین روش ادغام شبکه عصبی با قوانین فازی توانسته تغییرات بار رسوبی رودخانه را بر اساس دبی روزانه، بهتر از مدلهای دیگر برآورد کند. دیگر مزیت این روش حساس نبودن به وجود تعداد معدودی خطا در داده‌های آماری است که همین امر باعث برآورد بهتر مدل شبکه عصبی در مقایسه با مدل آماری شده است. همچنین با بالا رفتن درصد داده‌های آموزش نسبت به داده‌های امتحان، روش نروفازی جواب مناسبتری می‌دهد.
