ارزیابی کارایی مدل شبکه عصبی مصنوعی در تخمین هوشمند رسوب معلق روزانه در چند ایستگاه هیدرومتری منتخب در استان گلستان

تخمین رسوب در رودخانه ها به منظور کاهش خسارات سیل، یکی از مسائل مهم پیش روی محققان می باشد. بدین منظور توسعه دهند. در این تحقیق مدل شبکه عصبی مصنوعی بر اساس مدل سه لایه پیش خور با الگوریتم پس انتشار خطا و تابع انتقال غیرخطی تانژانت اکسون برای پیش بینی رسوب معلق در سه ایستگاه هیدرومتری رامیان در حوزه قره چای، تقی آباد در حوزه جعفرآباد و ایستگاه سرمو در حوزه محمدآباد استفاده شد.80 درصد از داده ها برای آموزش مدل و 20 درصد بقیه نیز جهت آزمون آن استفاده شدند. شاخص های RMSE، MAE و R2 (ضریب تبیین) برای ارزیابی میزان دقت مدل شبکه عصبی استفاده شدند. نتایج به دست آمده از محاسبه شاخص های آماری نشان دهنده کارآیی مناسب مدل های شبکه عصبی مصنوعی در پیش بینی رسوب معلق با ضریب تبیین بیش از 0.99، مجذور مربعات خطای کم تر از 0.0166 و خطای مطلق متوسط کم تر از 16.54 بود. ضریب ناش- ساتکلیف محاسبه شده بالای 0.95 برای ایستگاه های فوق نیز نشان دهنده دقت بالای مدل شبکه عصبی در برآورد بار معلق بود.