علی فتح زاده

بهبود و نوآوری مستمر و فراگیر در سازمان ها، در واقع نوعی کندوکاو منظم برای یافتن شیوه ها و پاسخ های نو به فشارها و تغییر و تحولات محیطی است. از آنجا که در محیط های پیچیده و متحول امروزی دیگر واکنش های تکراری برای رویارویی با این تغییرات کارآمد نمی باشد، لذا دایم باید در جستجوی راه های جدید برای واکنش در برابر محیط برآمد. به عبارتی آن دسته از سازمان ها و نظام ها می توانند در محیط پیچیده و پویا به بقای خود ادامه دهند که به طور مستمر قادر به خلق ایده ها و طرح های جدیدی جهت مقابله با فشارها و تحولات محیطی باشند. به همین لحاظ در این مقاله پس از بیان مفاهیم مربوط به خلاقیت، نوآوری و بهبود، دیدگاه های صاحب نظران، ضرورت و اهمیت خلاقیت و نوآوری، عوامل موثر در افزایش خلاقیت و نوآوری تشریح، و بر اساس ادبیات تحقیق یک مدل پیشنهادی ارایه، سپس میزان خلاقیت و نوآوری در سه اداره دولتی (آموزش پرورش، جهاد کشاورزی، بهداشت و درمان) شهرستان سیرجان مورد بررسی قرار گرفته است. شایان ذکر است که در شهرستان سیرجان تعداد 24 اداره دولتی موجود می باشد که بالاترین کارکنان را سه اداره مزبور به خود اختصاص داده اند.در این مطالعه با استفاده از روش همبستگی و آنالیز واریانس رابطه بین متغیرهای مستقل (برنامه ریزی، فرهنگ سازمانی، ساختار سازمانی و بعد اجتماعی) با میزان خلاقیت و نوآوری و نیز تفاوت معناداری میان میزان خلاقیت و نوآوری در سازمان های مذکور بررسی، سپس میزان خلاقیت در هر یک از آنها محاسبه گردیده است. سرانجام یک نتیجه گیری کلی ارایه گردیده است.

سیل یکی از مهم ترین عوامل تهدید انسان، سرمایه و امکانات بشری محسوب شده که به دلیل شرایط اقلیمی و توپوگرافی و به ویژه بارش های با شدت و مدت زیاد به وقوع می پیوندد. مقابله با سیلاب در هر منطقه مستلزم اطلاع از مقدار دبی سیلابی و دوره بازگشت آن می باشد. در بسیاری از مناطق دنیا و در حوضه های فاقد آمار جهت برآورد دبی حداکثر سیل از روابط تجربی استفاده می شود که در این میان فرمول کریگر به دلیل سادگی و در دسترس بودن پارامترهای مورد نیاز از کارایی گسترده ای برخوردار است. این در حالی است که مشخص نبودن دوره بازگشت ارقام دبی های برآورد شده نیز از جمله ایرادات وارد بر این روش می باشد. این تحقیق با وارد نمودن دوره بازگشت به مقادیر ضریب منطقه ای کریگر به بررسی دامنه تغییرات آن را در مناطق مختلف حوضه آبریز ایران مرکزی پرداخته است. بدین منظورآمار مربوط به دبی حداکثر لحظه ای 29 ایستگاه هیدرومتری واقع در حوضه ایران مرکزی طی سال های90-1344 جمع آوری گردید. سپس با انجام آزمون داده های پرت، با استفاده از روش گروبزـ بک و آزمون کفایت داده های ماکوس، صحت و قابلیت اعتماد نسبی داده های ثبت شده مورد ارزیابی قرار گرفت و در هر ایستگاه با استفاده از روش عصبی- فازی، بازسازی نواقص آماری صورت گرفت. در مرحله بعد با هدف تعیین دوره بازگشت و با استفاده از تحلیل فراوانی سیلاب، ارقام دبی های سیلابی برآورد و سپس ضریب منطقه ای فرمول کریگر تعیین گردید. نتایج حاصل از اعتبارسنجی مدل نشان داد که دامنه تغییرات ضریب منطقه ای کریگر در حوضه ایران مرکزی بسیار کمتر از میانگین جهانی آن بوده و میانگین درصد خطای مطلق روش کریگر در برآورد دبی حداکثر سیلابی این مناطق، 85/54 درصد می باشد. همچنین برخلاف تصور موجود حل رابطه ی کریگر از طریق برقرار تناسب بین دبی حداکثر با مساحت حوضه بالادست همگن با آن منجر به خطاهای فاحشی خواهد گردید.

خشکی یکی از پدیده های پیچیده ی طبیعی است که در نتیجه ی کمبود بارش حاصل می شود و از جمله پدیده های چالش زای آب و هوایی است که تأثیرات گسترده ای در جوامع بشری، محیط زیست و اقتصاد دنیا برجای گذاشته است. در طول سال های اخیر نمایه های متعددی برای شناسایی و پایش خشکی توسعه داده شده اند. هدف از این تحقیق ارزیابی وقایع خشکی در رودخانه ی اترک با استفاده از نمایه SWSI اصلاح شده است. همچنین یک مدل زنجیره ی مارکف مرتبه یک برای شبیه سازی شاخص مزبور بر پایه برآورد احتمال انتقال و توزیع فراوانی جریان رودخانه در ایستگاه های مربوطه به کار گرفته شد. نتایج به دست آمده حاکی از این مطلب بود که احتمال گذر از یک حالت معین به همان حالت محتمل تر از گذر به سایر شرایط (بین 60 تا 80 درصد) است و هر یک از ایستگاه ها مدت زیادی از طول سال را به احتمال زیاد در حالت تعادل قرار دارند. از طرفی علیرغم اینکه بعضی ایستگاه ها تداوم زیادی در شرایط خشک دارند ولی به همان نسبت مدت کوتاهی را نیز در شرایط خیلی تر می گذرانند که این امر اهمیت برنامه ریزی در بخش های بهره برداری را بیش از پیش آشکار می سازد.

سیلازجمله پدیده هایطبیعیاستکههرسالهخساراتجانی و مالی زیادیرادردنیا به بارآوردهو مشکلات عدیده ایرابرسرراهتوسعه یاقتصادیواجتماعیکشورهاایجادمی نماید.لذا جهت کاهش خسارات آنپرداختنبهاینپدیده خصوصاً برآورد دبی حداکثر سیلاب و شناسایی عوامل مؤثر بر آن بسیارحائزاهمیت می باشد. بطور کلی از جمله شیوه های برآورد دبی حداکثر سیل در حوضه های فاقد ایستگاه هیدرومتری، استفاده از روش های تجربی می باشد. اینروش ها بر پایه ی یکیاچند عاملاز عوامل مؤثربرشکلگیری سیلاب استوار بوده و بعضاً برای مناطقی خاص با شرایط فیزیکی و اقلیمی ویژه ارائه شده اند. بنابراین برای به کارگیری روش های مذکور، بررسی و واسنجی ضرایب منطقه ای آنها ضروری می نماید. در واقع این ضرایب، منعکس کننده ی اثر عوامل زمینی و جوی در تبدیل بارش به رواناب و ایجاد دبی حداکثر لحظه ای می باشد. در این تحقیق سعی شده تا تحلیل دقیق تری از روش تجربی فولر و واسنجی ضریب منطقه ای آن در حوضه ایران مرکزی به عمل آید. از آنجا که روش نامبرده کاربرد فراوانی در نقاط مختلف کشور جهت برآورد دبی سیل دارد، اهمیت واسنجی آن آشکار است. تاکنون غالباً استفاده از این روش در برآورد دبی های سیلابی و طراحی سازه ها بدون توجه به واسنجی ضریب منطقه ای آن انجام گردیده است. در این تحقیق از آمار 31 ساله ده ایستگاه هیدرومتری در این حوضه استفاده شد تا بر این اساس مقادیر دبی لحظه ای سیل در دوره ی بازگشت های مختلف، محاسبه گردد. تحلیل های آماری در مرحله ی اول نشان داد که روش تجربی فولر در این محدوده ی اقلیمی وسیع، با کیفیت آماری ضعیف موجود، کارایی چندان مناسبی ندارد. البته نتایج آزمون روش تجربی فولر در محدوده های اقلیمی دیگر (نیمه خشک و نیمه مرطوب و مرطوب) از کارایی نسبتاً بالاتر این روش حکایت دارد. تست همگنی لانگبین (که اغلب برای تعیین گروه های همگن هیدرولوژیکی استفاده می شود) بر اساس یافته های این تحقیق، در شرایط ایران مرکزی کارایی بالایی از خود نشان نداد.

در این پژوهش کارایی شاخص های ماهواره ای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدل های مبتنی بر هوش مصنوعی و داده کاوی به چالش کشیده شده است. بدین منظور، نخست مدل ها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخص های ماهواره ای بهینه سازی شد و نزدیک ترین داده های دبی و رسوب به زمان تصاویر ماهواره ای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتم ها، به وزن دهی پارامترها و تعیین میزان تأثیرشان در پیش بینی بار رسوبی معلق پرداخته شد. نتایج نشان داد عملکرد مدل ها با ورودی های مختلف گوناگون است. مقادیر RMSE مدل ها بیانگر آن است که در صورت استفاده از پارامترهای ژئومورفومتری به عنوان ورودی مدل مقدار RMSE بیشتر است و در مقابل با استفاده از برخی شاخص ها به عنوان ورودی مدل ها میزان RMSE کاهش می یابد؛ به طوری که در مدل فرایند گوسی با ورودی پارامترهای ژئومورفومتری مقدار۱۰ /۳۵ RMSE= و در صورت ورودی شاخص های تصاویر ماهواره ای مقدار 7 /513RMSE= است. با تلفیق پارامترهای ژئومورفومتری و شاخص ها میزان دقت همة مدل ها افزایش یافته و مدل فرایند گوسی با 026 /5RMSE= بیشترین دقت را داشته است. نتایج حاصل از وزن دهی نیز نشان داد که شاخص های Clay index (average) و b5 (average) و NDVI (max) دارای بیشترین وزن بوده و بیشترین تأثیر را در پیش بینی بار رسوبی معلق داشته اند.

مناطق خشک و نیمه خشک همواره با بحران آب مواجه بوده اند، به همین دلیل ذخایر هرچند اندک برفی در سرشاخه های کوهستانی این مناطق، نقش شایان توجهی در تغذیه و تعادل هیدرولوژیکی مناطق مذکور ایفا می کنند. چگالی برف از جمله پارامتر هایی است که به عنوان پارامتر مبدل عمق برف به آب معادل برف، اهمیت فراوانی دارد. در این مقاله، کارآیی یکی از روش های هوش مصنوعی در شبیه سازی پراکنش مکانی چگالی برف در یکی از سرشاخه های دشت یزد – اردکان ارزیابی شده است. به همین منظور، ابتدا داده های چگالی برف با استفاده از نمونه بردار مدل مونت رز در 216 نقطه از منطقه سخوید یزد برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع و در محیط جغرافیایی ساگا 32 پارامتر ژئومرفومتری، به عنوان داده های ورودی استخراج شد. الگوریتم مورد استفاده در هوش مصنوعی، شبکه عصبی مصنوعی بوده که جهت دستیابی بهینه به آن، مدل ها و توابع متفاوت با آرایش نورون های مختلفی بررسی گردیدند. بهترین شبکه به صورت 1-9-32 و حاوی مدل پرسپترون چند لایه و با الگوریتم پس انتشار خطاو تابع فعالیّت سیگموئید و خروجی خطی بود. نتایج پژوهش نشان داد که میزان ضریب همبستگی داده های مشاهداتی و برآورد شده 86 درصد و مجذور میانگین مربع خطا برابر 1/5 است. بدین ترتیب استفاده از ابزارهای هوش مصنوعی به خوبی توانسته است توزیع مکانی چگالی برف را برآورد نماید.

از جمله اثرات مستقیم و مشهود تغییرات آب و هوایی، دگرش در میزان بارش برف در مناطق مختلف جغرافیایی است. این در حالی است که بارش برف در حوضه های کوهستانی همواره به عنوان مهم ترین منبع تأمین منابع آب در فصول خشک تلقی می شود. یکی از آشکارترین ویژگی های پوشش برف کوهستان، ناهمگنی مکانی آن می باشد. به دلیل محدودیت های عملی، جمع آوری داده ها به ویژه در مقیاس های وسیع، دشوار و گاهی غیرممکن بوده و استفاده از روش های غیرمستقیم توصیه می شود. در این پژوهش کارایی حداقل مربعات ماشین بردار پشتیبان در مدل سازی عمق برف و همچنین اثر کاهش ویژگی با مدل الگوریتم ژنتیک در منطقه کوهستانی چلگرد ایران مورد بررسی قرار گرفت. ابتدا با استفاده از روش هایپرکیوب محل ۱۰۰ نقطه مشخص و داده های عمق برف در نقاط موردنظر و همچنین در ۱۹۵ نقطه دیگر به صورت تصادفی برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع ۲۵ پارامتر ژئومورفومتری استخراج گردید و همراه با شش باند تصاویر ماهواره لندست هشت و شاخص تفاوت نرمال شده برف به عنوان ورودی های مدل ها انتخاب گردید. در این پژوهش از الگوریتم ژنتیک برای افزایش سرعت و آماده سازی شبکه ماشین بردار پشتیبان که به عنوان یک دسته بندی کننده عمل می کند و همچنین انتخاب متغیرهایی که بیشترین همبستگی را با عمق برف دارند استفاده گردید. ازآنجایی که کاهش ویژگی های غیر مؤثر می تواند سبب افزایش دقت یادگیری شود، در این پژوهش از الگوریتم ژنتیک برای فرایند بهینه سازی استفاده گردید. نتایج نشان داد روش حداقل مربعات ماشین بردار پشتیبان با میزان ضریب تعیین 36/0 و جذر میانگین مربعات خطای 8/17 مدل سازی عمق برف را انجام داده است؛ اما الگوریتم ژنتیک با انتخاب ویژگی های مؤثر توانست با ضریب تعیین ۹۵/۰ و جذر میانگین مربعات خطا برابر با ۹۷/۳ سانتی متر و بادقت بهتری نسبت به استفاده از تمامی ویژگی ها تغییرات عمق برف را مدل کند.

تاثیر تغییر اقلیم بر هیدرولوژی و چرخه ی آب در اکوسیستم های طبیعی بسیار جدی است و شناخت کمی این اثرها آمادگی بیشتری برای مقابله با تبعات آن ایجاد می کند. هدف از این پژوهش ارزیابی اثر تغییر رژیم بارش به عنوان بخشی از تغییر اقلیم بر رواناب با استفاده از مدل SWAT می باشد. بدین منظور جهت مدل سازی دو حوضه آبخیز تلنگو و حسین آباد در استان کرمان از داده های روزانه بارش، دمای حداقل، حداکثر و متوسط روزانه سه ایستگاه هواشناسی بافت، بم و لاله زار در بازه زمانی 30 سال استفاده گردید. همچنین با استفاده از مدل LARS-WG به پیش بینی متغیرها برای دوره 2021 تا 2060 تحت سناریو  RCP 4.5 پرداخته شد. در ادامه جهت مدل سازی رواناب در حوضه های مورد مطالعه از مدل مفهومی SWAT استفاده گردید. پس از واسنجی و اعتبارسنجی مدل طبق الگوریتم SUFI2 نتایج حاصله مورد آزمون قرار گرفت و در نهایت با استفاده از نتایج مدل سازی اقلیم و مدل مفهومی واسنجی شده، رواناب برای دوره آینده شبیه سازی گردید. نتایج ارزیابی حساسیت پارامترهای مدلSWAT نشان داد که پارامترهای ضریب آبی که از سفره های کم عمق به پروفیل خاک و ضریب نفوذ آبخوان مشترک در هر دو حوضه دارای حساسیت بالایی هستند. همچنین در هر دو حوضه برای هر دو مرحله واسنجی و اعتبارسنجی کارآیی نش۔ ساتکلیف از 65/0 بیشتر می باشد.  نتایج ارزیابی اثر تغییر اقلیم بر آبدهی حوضه نشان می دهد که آبدهی حوضه آبخیز حسین آباد در آینده نسبت به دوره حال تغییر خواهد داشت. بیشترین کاهش آبدهی مربوط به ماه اسفند با تغییر 13/3 لیتر بر ثانیه و بیشترین افزایش مربوط به ماه بهمن با تغییر 2/18 لیتر بر ثانیه می باشد. همچنین در آینده نزدیک آبدهی حوضه آبخیز تلنگو  افزایشی نسبت به دوره حال خواهد داشت. دبی ماه های دی، اردیبهشت و تیر افزایش و در بقیه ماه ها به جز ماه شهریورکه بدون تغییرات است، کاهش یافته است. نتایج کلی تحقیق حاضر حاکی از آنست که در آینده نزدیک در اکوسیتم های خشک مشابه منطقه مورد مطالعه به دنبال تغییر رژیم بارش های حاصل از گرمایش زمین، رفتار هیدرولوژیکی حوضه ها بویژه در فصل های زمستان و بهار تغییر خواهد نمود و وقوع رخدادهای حدی بارش و سیل در این فصل ها بیش از پیش محتمل می باشد.

بار رسوبی معلق یکی از مهم ترین عناصر رودخانه ای است که علاوه بر تاثیر بر کیفیت آب، نقش موثری در مدیریت منابع آبی و سازه های احداثی بر روی این منابع دارد. پارامترهای فیزیوگرافی که بیانگر ویژگی های فیزیکی حوضه آبریز هستند می تواند به عنوان یک فاکتور تعیین کننده در میزان رسوب زایی حوضه آبریز مطرح گردد. روش های متعددی به منظور برآورد بار معلق رودخانه ها وجود دارد. از جمله این روش ها استفاده از مدل های داده کاوی می باشد که در حل مسایل هیدرولوژی رسوب بسیار پرکاربرد می باشد. لذا در این پژوهش با تلفیق مدل های داده کاوی و پارامترهای فیزیوگرافی، بار رسوب 30 حوضه آبریز در استان لرستان با دوره آماری 33 ساله برآورد گردید. به منظور بررسی اثر شاخص های مختلف فیزیوگرافی بر میزان برآورد رسوب در گام نخست دبی جریان به عنوان تنها ورودی مدل ها و در گام بعدی شاخص های مختلف فیزیوگرافی حوضه به عنوان ورودی های مدل های مختلف داده کاوی انتخاب گردید. در این مطالعه از پنج مدل داده کاوی از جمله شبکه عصبی مصنوعی، ماشین بردار پشتیبان تکاملی، درخت تصمیم، فرآیند گوسی و رگرسیون استفاده شد. نتایج نشان داد تمامی مدل ها از دقت قابل قبولی برخوردار بودند. در هر دو مجموعه داده، مدل ماشین بردار پشتیبان تکاملی دارای بهترین دقت بود. با به کارگیری شاخص های مورد اشاره دقت در تمامی مدل ها افزایش یافت به طوریکه در مدل ماشین بردار پشتیبان تکاملی میزان میانگین مربعات خطا از 74/6 به 3 کاهش یافت و ضریب همبستگی از 994/0 به 999/0 افزایش یافت. وزن دهی پارامترها نیز نشان داد که بیشترین وکمترین وزن به ترتیب مزبوط به شاخص زبری و نسبت کشیدگی بوده است.

این پژوهش برای بررسی نوسانات آب زیرزمینی 16 ایستگاه پیزومتری در مقیاس سالانه و فصلی در دشت تویسرکان، در طی دوره ی آماری 1391-1372 انجام گردیده است. بدین منظور جهت تعیین روند نقطه ای از روش های من کندال اصلاح شده و تخمینگر سن و برای تعیین روند منطقه ای از روش مرکب بوت استرپ و متوسط منطقه ای من کندال اصلاح شده استفاده گردید. از آنجایی که روش من کندال به همبستگی جزئی داده ها حساس می باشد برای تعیین وجود همبستگی جزئی بین داده ها از روش همبستگی متوالی تأخیر - 1 استفاده شد، سپس روش من کندال اصلاح شده برای بررسی روند در داده های دارای همبستگی جزئی به کار گرفته شد. نتایج نشان داد که به صورت ایستگاهی و در مقیاس سالانه صعودی ترین روند مربوط به پیزومتر سرابی با استفاده از هر دو روش من کندال اصلاح شده و سن می باشد و نزولی ترین روند مربوط به ایستگاه پیزومتری چاشخوران با روش MMK و پیزومتر قلعه نو با روش سن می باشد. روند سطح تراز آب زیرزمینی با روش من کندال اصلاح شده در مقیاس فصلی دارای 25/6 درصد روند مثبت معنی دار و 31/70 درصد روند منفی معنی دار و 44/23 درصد بدون روند می باشد و با روش تخمین گر سن در مقیاس فصلی 94/10 درصد دارای روند مثبت معنی دار و 06/89 درصد دارای روند نزولی معنی دار می باشد. تحلیل روند منطقه ای نشان دهنده ی روند رو به افت سطح تراز آب زیرزمینی دشت است. با توجه به نتایج به دست آمده از این پژوهش روند تغییرات سطح آب زیرزمینی منطقه ی مورد مطالعه منفی می باشد. اگر بهره برداری از منابع آب زیرزمینی در منطقه ی مورد مطالعه به شکل کنونی ادامه یابد، بحران های اجتماعی و اقتصادی می تواند در منطقه شکل بگیرد. با توجه به نتایج این پژوهش باید نسبت به کنترل برداشت از منابع آب های زیرزمینی اقدام و سطح آب زیرزمینی با افزایش راندمان آبیاری و تغذیه ی مصنوعی افزایش خواهد یافت.

ارتقاء اطلاعات کمی به بهبود پیش بینی پارامتر های برف کمک می کند. تاکنون تعاملات بین اندازه ی پیکسل به صورت محدود بررسی شده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیش بینی عمق برف از طریق آزمون تجربی روابط بین مدل های رقومی ارتفاع و پارامترهای مؤثر در مدل سازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره می باشد. به همین منظور ابتدا با استفاده از روش هایپرکیوب محل 100 نقطه مشخص و طی یک عملیات صحرایی داده های عمق برف در نقاط مورد نظر و همچنین در 195 نقطه دیگر به صورت سیستماتیک و با نمونه بردار مدل فدرال برداشت گردید.. سپس یک مدل رقومی ارتفاع 10 متری به عنوان مبنا انتخاب گردید و از مدل رقومی ارتفاع مبنا تعداد 25 پارامتر مرفومتری استخراج و به عنوان ورودی شبکه ی عصبی ان تخاب و با استفاده از آنالیز حساسیت مهم ترین پارامترهای تأث یرگذار در مدل سازی ع مق برف مشخص شد. در مرحله ی بعد با استفاده از مدل رقومی ارتفاع مبنا 9 مدل رقومی ارتفاعی با اندازه ی پیکسل متفاوت استخراج گردید. سپس در ادامه پارامترهای مؤثر در عمق برف با استفاده از 10 مدل رقومی ارتفاع استخراج و بین آن ها و عمق برف نمونه برداری شده یک رابطه ی رگرسیونی ایجاد و عمق برف محاسبه گردید. جهت ارزیابی دقت مدل ها از پارامترهای RMSE، NMSE، MSE و MAE استفاده و در نهایت مدل رقومی ارتفاع 150 متر با مقادیر به ترتیب 75/24، 350/0، 975/612 و 97/18 بهترین مدل رقومی ارتفاع جهت مدل سازی عمق برف انتخاب گردید. این مسأله می تواند در کاهش هزینه ها و افزایش دقت برآورد عمق برف کمک بسیاری نماید.

تعیین بار رسوبی معلق رودخانه ها یکی از پروژه های مهم مهندسی رودخانه می باشد. پیش بینی بار رسوبی معلق کمک شایانی در زمینه مدیریت منابع آبی خواهد نمود. سوال اصلی در این تحقیق بررسی نقش انواع داده های روزانه، ماهانه و سالانه در برآورد بار رسوبی با استفاده از مدل های مبتنی بر یادگیری ماشین است. بدین منظور از آمار بار معلق در سه مقیاس زمانی روزانه، ماهانه و سالانه ایستگاه هیدرومتری اوهایو واقع در ایالات متحده آمریکا در فاصله سال های 1992 تا 2014 استفاده گردید. با هدف انتخاب مناسب ترین مدل، مدل های شبکه عصبی مصنوعی پس انتشار خطا و تابع پایه ی شعاعی، رگرسیون خطی، k نزدیک ترین همسایه، درخت تصمیم M5، فرآیند گوسی، ماشین بردار پشتیبان و ماشین بردار پشتیبان تکاملی اجرا و مورد ارزیابی قرار گرفتند. نتایج حاصل از این ت حقیق نشان داد که ب رای داده های روزانه، م دل k نزدیک ترین همسای ه با 28/5RMSE=؛ برای داده های ماهانه مدل فرآیند گوسی با 7/8RMSE= و برای داده های سالانه مدل فرآیند گوسی با مقدار 2/7RMSE= مناسب ترین مدل جهت پیش بینی بار رسوبی معلق بوده اند. همچنین مقایسه مقادیر ارزیابی مدل ها حاکی از آن است که پیش بینی داده های سالانه نسبت به ماهانه و روزانه از دقت بیشتری برخوردار هستند.