تخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکه عصبی مصنوعی در حوزه آبخیز طالقان

پیش بینی میزان بار رسوب منتقل شده توسط رودخانه ها، یکی از جنبه های مهم مدیریت رودخانه ها، مخازن سدها و به طور کلی پروژه های آبی به شمار می رود. در تحقیق حاضر به منظور پیش بینی بار معلق رسوب رودخانه طالقان با استفاده از شبکه عصبی مصنوعی و شناسایی شبکه بهینه با بالاترین دقت، از 500 داده روزانه متغیرهای دبی روز مورد نظر، دبی یک روز قبل، اشل و وضعیت هیدروگراف (به ترتیب با میانگین (m3/s) 83/13، (m3/s) 42/15، (cm)83/89 و036/0-) به عنوان ورودی مدل و 500 داده روزانه بار معلق رسوب متناظر، به عنوان خروجی مدل استفاده شد. داده های مورد استفاده مربوط به بازه زمانی 1384- 1363، می باشد. با ایجاد ترکیب های متفاوتی از متغیرهای ورودی و هم چنین با تغییر تعداد نرون های لایه پنهان و تابع آستانه، 80 شبکه عصبی متفاوت ایجاد شد، که با مقایسه دو پارامتر R2 و RMSE در مدل های مختلف، دقت آنها بررسی شد. نتایج نشان داد که شبکه عصبی با ساختار 1-9-3 و با ترکیب پارامتر های ورودی شامل دبی روز مورد نظر، دبی یک روز قبل و اشل، با R2 و RMSE آزمون، به ترتیب97/0 و 068/0 دارای بالاترین دقت می باشد. بر اساس نتایج حاصل از شبکه 1-9-3، میانگین داده های رسوب مشاهداتی و پیش بینی شده توسط مدل بهینه (مربوط به بخش آزمون)، به ترتیب802/1122 و 924/ 1184 (تن در روز) می باشد.