استفاده از سیستم استنتاجی فازی عصبی در تخمین بار رسوبی و مقایسه آن با مدل های MLR وSRC در حوضه رودخانه قرانقو(مقاله علمی وزارت علوم)
حوزه های تخصصی:
انتقال رسوب ها در رودخانه ها با توجه به نقش آنها در مباحث هیدرولوژیکی، از اهمیت ویژه ای برخوردار است. این رسوب ها به روش های گوناگون اندازه گیری می شوند. اندازه گیری مستقیم بار معلق رسوبی در رودخانه، هزینه بر بوده و امکان احداث ایستگاه های اندازه گیری در تمام طول رودخانه وجود ندارد. همچنین معادله های مورد استفاده در تخمین بار رسوبی، برای تمام مناطق قابل استفاده نبوده و علاوه بر آن، نیازمند دیده بانی های بلندمدت است. با این حال، برخی از روش ها در تخمین بار معلق رسوبی به نتایج مطلوبی دست یافته اند. در این مطالعه، سیستم استنتاجی فازی عصبی (ANFIS) با بهره گیری از ترکیب های ورودی مختلف برای تخمین بار معلق رسوبی روزانه به کار گرفته شد. به این منظور در اولین بخش از پژوهش، مدل ANFIS با استفاده از داده های دِبی روزانه و بار معلق رسوبی روزهای پیشین، تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانه قرانقو مورد استفاده قرار گرفت. در دومین بخش از پژوهش، مدل ANFIS با استفاده از شاخص های ضریب تبیین (R2) و خطای مجذور میانگین مربعات (RMSE) با مدل های منحنی سنجه رسوبی (SRC) و رگرسیون چندمتغیره (MLR) مقایسه شد. نتایج نشان داد که مدل ANFIS با برخورداری از مقادیر ضریب تبیین (R2) برابر 9668/0، RMSE برابر 190، در مقایسه با سایر روش ها از قابلیت بهتری در تخمین بار معلق رسوبی برخوردار است. در این بین، مدل SRC با برخورداری از مقادیر R2 و RMSE که به ترتیب معادل 8384/0 و 454 تخمین زده شده است، به ضعیف ترین تحلیل در پیش بینی بار معلق رسوبی دست یافته است.