برآورد غلظت رسوب رودخانه گرگانرود با روش های هوش مصنوعی

در سال های اخیر، هوش مصنوعی به طور گسترده و موفقیت آمیز در علوم مختلف استفاده شده است. در این پژوهش، کارایی روش های نروفازی، ماشین بردار پشتیبان و کمینه مربعات ماشین بردار پشتیبان به منظور تخمین غلظت رسوب در خروجی چهار حوضه آبخیز جنگلده، نوده، ارازکوسه و قزاقلی واقع در رودخانه گرگانرود در استان گلستان بررسی شد. برای اجرای مدل ها از پنج ترکیب ورودی مختلف با تعداد متفاوت تاخیر جریان و بارش از صفر تا دو روز استفاده شد.  نتایج نشان داد مدل کمینه مربعات ماشین بردار پشتیبان با روش جستجوی ساده شبیه سازی بهتری نسبت به روش جستجوی شبکه ای انجام می دهد. ارزیابی شاخص های آماری محاسبه شده نشان داد بهترین مدل شبیه ساز غلظت رسوب برای هر چهار حوضه مورد مطالعه مدل نروفازی است که مقدار خطای MEF در ایستگاه جنگلده، نوده، ارازکوسه و قزاقلی به ترتیب برابر 3/5، 4/13، 8/4 و 8/2 درصد می باشد. به طور کلی در تمام ایستگاه ها به جز ایستگاه قزاقلی معرفی دبی جریان دو روز قبل به عنوان ورودی مدل باعث افزایش خطای پیش بینی می شود. علاوه بر آن بارندگی همان روز و روز قبل نیز فقط در ایستگاه ارازکوسه باعث افزایش دقت شده است.