مقایسه روش های شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)

ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها در پروژه های آبی، مهندسی رودخانه و آبیاری کاربردهای فراوانی دارد. به دلیل تاثیر پارامترهای مختلف بر انتقال رسوبات در رودخانه ها، تعیین معادلات حاکم بر آن مشکل بوده و مدل های ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستم های هوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر منطق فازی-عصبی و شبکه های عصبی، برای تعیین میزان رسوبات معلق رودخانه آجی چای به کار برده شد و با استفاده از داده های دبی، رسوب و اشل، مدل های مذکور و منحنی سنجه رسوب تهیه گردید. همچنین دوره های آماری به سه فصل تر، خشک و ذوب برف تقسیم شده و کلیه مدلها برای این سه دوره مورد آزمایش قرار گرفتند. نتایج حاصل از این تحقیق نشان داد که منطق فازی-عصبی در مقایسه با شبکه های عصبی و منحنی سنجه از دقت بیشتری در برآورد رسوبات معلق رودخانه برخوردار است.