بررسی امکان پیش بینی رسوبات معلق با استفاده از ترکیب منحنی سنجه رسوب و شبکه ی عصبی مصنوعی (مطالعه موردی: رودخانه قطورچای، پل یزدکان)

برآورد بار رسوبی در رودخانه ها با توجه به خسارات ناشی از آن، یکی از مهم ترین و مشکل ترین قسمت های مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوه های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت خارق العاده ای است. در این تحقیق کاربرد روش سیستم عصبی مصنوعی (ANN) در بهینه سازی نتایج مدلی مبتنی بر روش منحنی سنجه ی رسوب (SRC) برای پیش بینی بار معلق جریان مورد بررسی قرار گرفته است. برای این منظور ایستگاه یزدکان واقع بر رودخانه ی قطورچای در نظر گرفته شد. یک مدل رگرسیونی به کمک روش SRC ساخته شد که با کمک داده های دبی در ایستگاه مذکور میزان بار معلق در همان ایستگاه پیش بینی می گردد. پس از ساختن مدل به کمک این روش، یک مدل ANNمورد استفاده قرار گرفت که دقیقا از داده های مشابه استفاده نموده و سپس با استفاده از آن دو، مدل ترکیبی ساخته شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (ANN و SRC)، هر یک از این روش ها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل با مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدل ها از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آنها به تنهایی برخوردار است. به طوری که میزان Dr از عدد 402/1 در روش SRCو 395/2- در مدل ANN به مقدار 963/0 در یکی از مدل های ترکیبی تعدیل یافته است. هم چنین میزان ریشه میانگین مربعات خطا که به ترتیب برای SRC و ANN به تنهایی 286/692 و 96/616 حاصل گشته بود به عدد 094/603 کاهش پیدا کرد.