تعیین مناسب ترین روش برآورد رسوب معلق در رودخانه ها (مطالعه موردی: رودخانه گرم رود، مازندران، ایران)

شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب می باشد. اندازه گیری غلظت رسوب به روش های متداول عموما مستلزم صرف وقت و هزینه زیادی است و گاهی از دقت کافی نیز برخوردار نمی باشد. در این پژوهش تخمین رسوب رودخانه گرم رود واقع در استان مازندران، با استفاده از شبکه عصبی مصنوعی مورد بررسی قرار گرفته و نتایج آن با روش های مرسوم آماری همچون رگرسیون خطی چندمتغیره مقایسه شده است. پارامتر آبدهی یا دبی رودخانه در مقیاس زمانی ماهانه، طی دوره آماری (1390-1369) به عنوان ورودی و دبی رسوب به عنوان خروجی مدل در مقیاس زمانی ماهانه انتخاب گردیده است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفته است. نتایج حاصل نشان داد که هر دو مدل مورد استفاده با دقت قابل قبولی توانسته اند به تخمین دبی رسوب بپردازند؛ لیکن از لحاظ دقت، مدل شبکه عصبی مصنوعی با بیش ترین ضریب همبستگی (894/ 0)، کم ترین ریشه میانگین مربعات خطا (ton/day 0/062) و نیز معیار نش ساتکلیف برابر با 756/ 0، در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد که مدل شبکه عصبی مصنوعی توانایی بالایی در تخمین مقادیر کمینه و بیشینه دبی رسوب دارد.