برآورد غلظت رسوب رودخانه گرگانرود با روش‌هاي هوش‌مصنوعي

در سال هاي اخير، هوش مصنوعي به‌طور گسترده و موفقيت‌آميز در علوم مختلف استفاده شده است. در اين پژوهش، كارايي روش هاي نروفازي، ماشين بردار پشتيبان و كمينه مربعات ماشين بردار پشتيبان به‌منظور تخمين غلظت رسوب در خروجي چهار حوضه آبخيز جنگلده، نوده، ارازكوسه و قزاقلي واقع در رودخانه گرگانرود در استان گلستان بررسي شد. براي اجراي مدل‌ها از پنج تركيب ورودي مختلف با تعداد متفاوت تأخير جريان و بارش از صفر تا دو روز استفاده شد.  نتايج نشان داد مدل كمينه مربعات ماشين بردار پشتيبان با روش جستجوي ساده شبيه سازي بهتري نسبت به روش جستجوي شبكه اي انجام مي دهد. ارزيابي شاخص‌هاي آماري محاسبه شده نشان داد بهترين مدل‌ شبيه‌ساز غلظت رسوب براي هر چهار حوضه‌ مورد مطالعه مدل نروفازي است كه مقدار خطاي MEF در ايستگاه‌ جنگلده، نوده، ارازكوسه و قزاقلي به‌ترتيب برابر 5.3، 13.4، 4.8 و 2.8 درصد مي باشد. به‌طور كلي در تمام ايستگاه ها به‌جز ايستگاه قزاقلي معرفي دبي جريان دو روز قبل به‌عنوان ورودي مدل باعث افزايش خطاي پيش بيني مي شود. علاوه بر آن بارندگي همان روز و روز قبل نيز فقط در ايستگاه ارازكوسه باعث افزايش دقت شده است.