مقایسه تخمین بار معلق به دو روش منحنی سنجه رسوب و شبکه عصبی مصنوعی (مطالعه موردی رودخانه دوغ استان گلستان)

در کشور ما اطلاعات دقیق و صحیح از فرسایش، انتقال رسوب و رسوب گذاری بسیار کم است و بین اندازه گیری ها و برآوردهای انجام شده نیز اختلاف زیادی مشاهده می شود. جوان بودن تحقیقات در این رشته و فقدان اندازه گیری های درازمدت رسوب، مانع از دست یابی به اعداد قابل اعتماد شده است. با توجه به اینکه در رودخانه ها همواره فرسایش و انتقال رسوب صورت می گیرد، بنابراین بررسی ظرفیت حمل رسوب جریان و مکانیسم انتقال رسوب در هیدرولیک رودخانه و مورفولوژی آن، از اهمیت ویژه ای برخوردار می باشد. پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازه های رودخانه ای و تاسیسات عمرانی را تحت تاثیر قرار می دهد و به عنوان یکی از بزرگ ترین مشکلات بهره برداری از منابع آب های سطحی در جهان مطرح می باشد. در این مقاله شبکه عصبی مصنوعی به صورت روشی موثر جهت تخمین مقدار رسوب معلق به کار گرفته شده است. دبی جریان مورد نظر همراه با دبی جریان روز قبل و وضعیت هیدروگراف (به لحاظ شاخه صعودی یا نزولی هیدروگراف) به عنوان پارامترهای ورودی و دبی بار معلق رسوب به عنوان پارامتر خروجی در نظر گرفته شد. در این تحقیق پس از طرح و آموزش شبکه، کاربرد این مدل هوشمند در برآورد رسوب برای رودخانه مادرسو (دوغ) در استان گلستان بررسی گردید و نتایج به دست آمده از آن با روش متداول منحنی سنجه رسوب مقایسه شد. نتایج نشان داد که شبکه عصبی مصنوعی با دقت بسیار مناسب و با اطمینان بیشتر (98/0=2R، 015/0RMSE= و 97/0NASH=) می تواند نسبت به روش منحنی سنجه با و بدون دسته بندی داده ها برای تخمین بار معلق رسوب مورد استفاده قرار گیرد.