تعیین مناسب ترین روش منحنی سنجه و مقایسه آن با شبکه عصبی مصنوعی به منظور برآورد رسوبات معلق (مطالعه موردی: استان لرستان)

برآورد میزان رسوبات معلق در رودخانه ها از ابعاد مختلف کشاورزی، حفاظت خاک، سد سازی، حیات آبزیان، و همچنین جنبه های مختلف تحقیقاتی اهمیت فراوانی دارد. روش های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه ها وجود دارد که البته توانایی این روش ها در برآورد رسوبات متفاوت است. هدف از این مطالعه برآورد رسوبات معلق رودخانه با استفاده از شبکه عصبی پیش خور پس انتشار خطا با الگوریتم آموزشی لونبرگ - مارکوآرت و مقایسه نتایج با بهترین ترکیب منحنی سنجه رسوب و ضرایب اصلاحی است. در این مطالعه از آمار دبی و رسوب متناظر ده ایستگاه استان لرستان به صورت روزانه، ماهانه، فصلی، و دسته بندی شده استفاده شد. نتایج نشان داد از بین انواع مختلف منحنی سنجه و ضرایب اصلاحی استفاده شده، که جمعا شامل بیست ترکیب بود، ترکیب منحنی سنجه ماهانه و ضریب اصلاحی MUVE بر اساس ضریب ناش- ساتکلیف و شاخص دقت مناسب تر است. در مرحله بعد، نتایج حاصل از برآورد رسوب با مناسب ترین منحنی سنجه با نتایج حاصل از شبکه عصبی با استفاده از ضریب ناش- ساتکلیف و مجذور میانگین مربعات خطا مقایسه شد. نتایج نشان دهنده مناسب بودن شبکه عصبی پیش خور پس انتشار خطا در قیاس با منحنی سنجه رسوب است.