شبیه سازی بار رسوب معلق با استفاده از روش های شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیل رود

در کشورهای در حال توسعه، به علت مشکلات مالی و فنی به طور معمول داده های رسوب اندکی اندازه گیری می شوند، لذا، مدلی که بتواند با استفاده از داده های دبی آب، میزان بار رسوبی را برآورد کند، می تواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدل ها در پیش بینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاه های هیدرومتری بالادست رودخانه هلیل رود شامل ایستگاه های هیدرومتری پل بافت، سلطانی، هنجان، چشمه عروس، میدان و کناروئیه انجام شد. در این راستا، کارایی انواع مدل های مختلف منحنی سنجه رسوب شامل مدل های یک خطی، دو خطی، روش حد وسط دسته ها به تنهایی و نیز با ضرایب اصلاحی CF1،CF2 و FAO و مدل های جعبه سیاه شامل شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی در شبیه سازی رسوب معلق مورد ارزیابی قرار گرفتند. نتایج حاصل از ارزیابی این مدل ها با استفاده از پارامترهای ارزیابی MAE و RMSE با استفاده از داده های آزمون، حاکی از آن است که مدل های عصبی-فازی در عمده ایستگاه های هیدرومتری مورد مطالعه، شامل پل بافت، هنجان و کناروئیه با میزان MAE برابر 35.07، 11958.74 و 34235.27 و RMSE به ترتیب برابر 42.07، 28672.78 و 52735.92 تن در روز به عنوان بهترین روش برای شبیه سازی میزان بار رسوب معلق به شمار می آیند. همچنین، مدل شبکه عصبی مصنوعی تابع پایه شعاعی در ایستگاه هیدرومتری میدان با میزان MAE برابر 384.83 و RMSE برابر 669 تن در روز، روش منحنی سنجه رسوب دو خطی در ایستگاه چشمه عروس با میزان MAE و RMSE به ترتیب 1.7 و 4.1 تن در روز و روش منحنی سنجه یک خطی با اعمال ضریب اصلاحی CF1 با MAE و RMSE برابر 9723.2 و 41235.6 تن در روز در ایستگاه هیدرومتری سلطانی به عنوان بهترین مدل ها برای شبیه سازی میزان رسوب معلق می باشند.