بررسی کارایی روش های برآورد بار رسوب معلق رودخانه قره چای

برآورد بار رسوب رودخانه ها از مسائل مهم و کاربردی در مطالعات و طراحی پروژه های مهندسی آب و رودخانه می باشد. لذا شناسایی و پیشنهاد روش های مناسب جهت برآورد بار معلق رسوب باید بر اساس پژوهش های مرتبط انجام شود. از جمله این روش ها مدل های شبکه عصبی مصنوعی، نروفازی، منحنی سنجه رسوب و همچنین مدل رگرسیونی چند متغیره می باشد. در این پژوهش کارایی این روش ها در پیش بینی میزان دبی رسوبات معلق حوزه آبخیز رودخانه قره چای موردبررسی قرار گرفت. همچنین، از سری زمانی روزانه داده های اندازه گیری شده دبی جریان و رسوب ایستگاه پل دوآب رودخانه قره چای استفاده شد. طول دوره آماری استفاده شده در این مدل دو سال آبی (1395-1396) بود. متغیرهای مستقل مورداستفاده برای ورود به شبکه شامل رواناب و بار معلق ایستگاه پل دوآب رودخانه قره چای بود. متغیر وابسته که همان خروجی شبکه است، بار معلق بود. پس از انجام مدل سازی با هر یک از ترکیب ها و محاسبه مقادیر RMSEو R2، بهترین ترکیب انتخاب شد. نتایج نشان داد که روش نروفازی بر اساس ورودی های دبی و رسوب و مدل های شبکه عصبی مصنوعی بر اساس ورودی های دبی، نسبت به رگرسیون چند متغیره و منحنی سنجه رسوب، دارای دقت مطلوب تری بود. برای مقادیر بالاتر از میانگین درازمدت سری آماری، مقادیر شبیه سازی شده با مدل شبکه عصبی مصنوعی و برای مقادیر پایین تر از میانگین و بار رسوب سالانه هم برآورد نروفازی نسبت به مقادیر مشاهداتی نزدیک تر بود. درحالی که برای مقادیر حدی بیشینه، تفاوت معنی داری بین مدل های شبکه عصبی مصنوعی، نروفازی و رگرسیون خطی مشاهده نگردید.