مقايسه روش هاي شبكه عصبي مصنوعي و منحني سنجه رسوب در برآورد رسوبات بار معلق رودخانه-هاي هريجان و هنيسك در حوضه چالوس رود

در ﻃﺮاﺣﻲ و ﺳﺎﺧﺖ ﺳﺎزه ﻫﺎي آﺑﻲ ﻧﻈﻴﺮ ﺳﺪﻫﺎ و ﻫﻤﭽﻨﻴﻦ ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه ﻫﺎي ﻣﻨﺎﺑﻊ آب، آﮔﺎﻫﻲ از ﻣﻘﺪار ﻛﻤﻲ ﺑﺎر رﺳﻮب ﻣﻌﻠﻖ رودﺧﺎﻧﻪ ﻫـﺎ اﻣﺮي ﺿﺮوري اﺳﺖ. رﺳﻮﺑﺎت ﻣﻌﻠﻖ ﺣﻤﻞ ﺷﺪه ﺗﻮﺳﻂ رودﺧﺎﻧﻪ ﻫﺎ ﻣﻤﻜﻦ اﺳﺖ ﺳﺒﺐ ﻛﺎﻫﺶ ﻇﺮﻓﻴﺖ ﻣﻔﻴﺪ ﻣﺨـﺎزن ﺳـﺪﻫﺎ ﮔﺮدﻧـﺪ. اﻧﺪازه ﮔﻴﺮي ﻏﻠﻈﺖ رﺳﻮﺑﺎت ﻣﻌﻠﻖ ﺑﻪ روش ﻣﺴﺘﻘﻴﻢ، اﮔـﺮ ﭼـﻪ ﻣﻄﻤـﺌﻦ ﺗـﺮﻳﻦ روش اﻧﺪازه ﮔﻴﺮي است، اما اﻏﻠﺐ زﻣﺎن ﺑﺮ و ﭘﺮ ﻫﺰﻳﻨﻪ اﺳﺖ و داراي مشكلاتي است. بنابراين با توجه به مشكلات موجود در روش هاي سنتي برآورد و پيش بيني رسوب، امروزه بسياري از پژوهشگران به روش هاي نوين و محاسبات نرم روي آورده اند تا اينكه قادر به مدل كردن پيچيدگي ها و روابط غير خطي بين دبي آب و دبي رسوب باشند. در اين مطالعه به بررسي بار معلق رسوب موجود در رودخانه هاي هريجان و هنيسك در استان مازندران با استفاده از دو روش منحني سنجه رسوب و شبكه عصبي مصنوعي در دوره آماري 1362-1363 تا 1384-1385 پرداخته شد. در ابتدا داده ها در قالب سه مدل كل داده ها، داده هاي فصلي و داده هاي ماهانه تفكيك شدند. در روش منحني سنجه در هر كدام از سه مدل مورد بررسي، داده ها به دو گروه شامل 70 درصد آموزش و 30 درصد تست تفكيك شدند. سپس رابطه بين دبي آب و دبي رسوب براي 70 درصد داده هاي آموزش در نرم افزار اكسل بررسي شد و سپس با استفاده از داد ه هاي تست رابطه بدست آمده با استفاده از مقادير دو آماره R2 و MSE اعتبار سنجي گرديد. در روش شبكه عصبي ابتدا داده ها به سه دسته آموزش (70 درصد)، تست (15 درصد) و اعتبارسنجي (15 درصد) تقسيم بندي گرديد. سپس با استفاده از شبكه پرسپترون چند لايه (MLP) اقدام به مدل سازي دبي آب و دبي رسوب شد. مقايسه دو آماره R2 و MSE در دو روش منحني سنجه رسوب و شبكه عصبي مصنوعي نشان داد كه در مقياس سالانه در هر دو ايستگاه شبكه عصبي مصنوعي از دقت بالاتري برخوردار است. در مقياس فصلي در فصل بهار و تابستان در ايستگاه هريجان شبكه عصبي مصنوعي و در ايستگاه هنيسك منحني سنجه به عنوان روش بهينه انتخاب شدند و در فصل پاييز و زمستان در هر دو ايستگاه شبكه عصبي مصنوعي از دقت بالاتري برخوردار بود. در مقياس ماهانه در ايستگاه هريجان به غير از ماه بهمن در بقيه ماه ها شبكه عصبي مصنوعي به عنوان روش بهينه انتخاب شد و در ايستگاه هنيسك در همه ماه ها روش شبكه عصبي مصنوعي از دقت بالاتري برخوردار بود.