مقایسه برخی روش های برآورد رسوب معلق رودخانه با مدل شبکه عصبی پرسپترون چندلایه، مطالعه موردی: کشکان پلدختر، استان لرستان

در این تحقیق از داده های همزمان دبی آب و دبی رسوب ایستگاه آب سنجی کشکان- پلدختر (از سال آبی 1351 تا سال1390) واقع در حوزه آبخیز رودخانه کرخه در استان لرستان، جهت برآورد رسوبات معلق روزانه استفاده شده است. بدین منظور بعد از رفع نواقص آماری و حذف داده های پرت و نرمال کردن داده ها، شبیه سازی با مدل شبکه عصبی مصنوعی و با استفاده از پرسپترون چند لایه انجام گرفت. نتایج حاصل از روش شبکه عصبی مصنوعی با مدل های خطی، حد وسط دسته ها، ماهانه و فصلی، دوره مشابه هیدرولوژیکی و دوره کم آبی و پر آبی مورد مقایسه قرار گرفت. نتایج، حاکی از رابطه خوب مدل شبکه عصبی مصنوعی برای ارزیابی رسوب، نسبت به روش های منحنی سنجه بود. بین روش های منحنی سنجه نیز روش حدوسط دسته ها به دلیل این که ارزش بیش تری به دبی های بالاتر می دهد، دارای بیش ترین همبستگی (R=0.98)، حتی بهتر از روش شبکه عصبی مصنوعی است؛ همچنین، چون در روش یاد شده، تعداد نقاط به حداقل می رسد، خطای ناشی از تبدیل لگاریتمی که به پراکنش و تعداد نقاط بستگی دارد نیز تا حدی کاهش می یابد (MSE=0.012).