مدل شبکه عصبی مصنوعی برای تخمین رسوب دهی حوزه های آبخیز

امروزه رسوب دهی حوزه های آبخیز از جمله مشکلات بهرهبرداری از منابع آبهای سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازهگیری و محاسبه دقیق آن، باعث اتلاف سرمایه های ملی میشود. بدیهی است که دقت تخمین میزان رسوب دهی، بستگی زیادی به روش های محاسباتی، معادلات ارائه شده و داده ها یا اطلاعات تخمین رسوب دارد. چون عوامل مختلفی در فرسایش و تولید رسوب موثر است و بر اساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن موثر باشد. از این رو، برای بررسی مسئله رسوب دهی هر حوزه باید عوامل مختلف موثر در رسوب دهی آن منطقه را شناسایی و به طور صحیح برآورد کرد و سپس تاثیر عوامل مختلف را بر روی رسوب دهی مشخص نمود. در این تحقیق، شبکه های عصبی مصنوعی به عنوان روشی جدید برای تخمین رسوب دهی حوزه، به کار گرفته شده است. شبکهای با ساختار و آموزش مناسب و داده های کافی، قادر است تاثیرات و ارتباط بین رسوب و سایر متغیرهای موثر در رسوب دهی را بدون استفاده از روابط اختصاصی و معادلات مربوطه فراگیرد. برای تخمین رسوب دهی زیرحوزه ها، از ساختار MLP استفاده شد. پس از آموزش و آزمایش داده ها، بهترین حالت در نظر گرفته شده و سپس با روش رگرسیونهای چندمتغیره مقایسه شد. نتایج نشان دهنده بهبود قابل توجهی در محاسبه و تخمین رسوب و کارآیی روش شبکه های عصبی نسبت به روش رگرسیونهای چند متغیره است.