بهینه سازی ضرایب معادله سنجه رسوب با استفاده از الگوریتم ژنتیک (مطالعه موردی: ایستگاه های قزاقلی و باغ عباسی)

برآورد صحیح غلظت رسوبات رودخانه ها برای برنامه ریزی و مدیریت پروژه های منابع آب اهمیت دارد.روش های مختلفی برای تعیین ارتباط بین دبی جریان ومقداررسوب توسعه یافته است.منحنی سنجه رسوب یکی از متداول ترین روش های برآوردرسوب معلق رودخانه هامی باشد که با خطای زیادی همراه است.به منظورتخمین بهترمیزانرسوببا منحنیسنجه،می توان ضرایب این معادله رابا روش های هوش مصنوعی بهینه کرد.هدف این تحقیق استفاده ازالگوریتم ژنتیک برای بهینه سازی ضرایب معادله سنجه رسوب رودخانه های گرگانرود (ایستگاه قزاقلی) و فریمان(ایستگاه باغ عباسی) می باشد. بدین منظور، آماردبی جریان وغلظت رسوب معلقبرای سال های 1388-1350برای ایستگاه قزاقلی و سال های 1388-1347 برای ایستگاه باغ عباسی اخذ شد و منحنی سنجه رسوب با استفاده از 70 درصد داده ها به عنوان داده های آموزش به دست آمد. به منظور  بهینه سازی ضرایب، مدل الگوریتم ژنتیک در نرم افزارMATLAB2017برنامه نویسیشد.نتایجبه دست آمدهنشان دادکه مدل الگوریتم ژنتیک برای ایستگاه قزاقلی و باغ عباسی به ترتیب با ضریب نش- ساتکلیف 0/5، 0/72و ضریب تعیین 0/5 و 0/89 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغ عباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینه سازی رابطه دبی و رسوب به ویژه در ایستگاه های با داده کم دارد.