ارزیابی کارایی ضرایب اصلاح اریب در روش منحنی سنجه رسوب و مقایسه با مدل های هوشمند (ایستگاه جلوگیر خوزستان حوضه کرخه)

برآورد مقدار رسوب در رودخانه ها اهمیت زیادی دارد و متخصصان نیز همواره بدان توجه داشته اند. منحنی سنجه رسوب (SRC)، از جمله روش های مرسوم در برآورد میزان بار رسوبات معلق در حوضه های آبخیز است که رابطه بین دبی جریان و دبی رسوب را بیان می کند. با توجه به اهمیت این موضوع، در این پژوهش برای ارایه بهترین رابطه دبی رسوب جریان در ایستگاه جلوگیر واقع بر رودخانه کرخه در استان خوزستان، داده های دبی جریان و رسوب مربوط به سال های 1350 تا 1397 تهیه و انواع منحنی سنجه شامل منحنی یک خطی، حد وسط، ماهانه، فصلی و چندخطی (دو خطی و سه خطی) ترسیم شد. همچنین در این پژوهش تلاش شد با استفاده از شاخص درصد بارش نرمال، داده ها در سه دسته خشک، نرمال و مرطوب، تفکیک و منحنی سنجه برای هر کدام ترسیم شود. در نهایت، مدل بهینه منحنی سنجه رسوب انتخاب و ضرایب اصلاحی شامل FAO، QMLE، Smearing، MVUE  و (Beta) β بر روی مدل اجرا شد. با توجه به معیارهای ارزیابی RMSE، ME و P، رابطه به دست آمده برای تخمین رسوبات معلق، زمانی که داده ها به صورت ماهانه تفکیک شد، در ماه مرداد و با اعمال ضریب MVUE دقت بیشتری را به همراه داشت. در ادامه، نتایج به دست آمده از مدل آماری سنجه رسوب با مدل های هوش مصنوعی شامل دو مدل شبکه های عصبی پرسپترون چندلایه (MLP) و پایه شعاعی (RBF) مقایسه شد. نتایج نشان داد که مدل شبکه عصبی نسبت به مدل رگرسیونی SRC، نتایج بهتری نشان می دهد. مدل پرسپترون چندلایه با مقدار R و  RMSE به ترتیب برابر با 87/0 و 0712/0 نیز دقت خوبی نسبت به سایر مدل ها دارد.