ارزيابي ‌روش‌هاي‌‌ محاسبات ‌نرم‌ در ‌برآورد‌ رسوب معلق ‌رودخانه (ايستگاه حسن‌آباد رودخانه‌ تيره)

برآورد بار رسوب رودخانه‌ها از مسائل مهم و كاربردي در مطالعات و طراحي پروژه‌هاي مهندسي آب، مانند طراحي و توسعه‌ شبكه‌هاي آبياري و زهكشي، آبگيري از رودخانه و غيره است. مدل‌هاي آماري و رگرسيوني از معمول‌ترين روش‌هاي تحليل هستند كه اغلب با توجه به حل خطي اين پديده‌ها، نتايجي همراه با خطا ارائه داده‌اند. مدل‌هاي هيدروليكي به‌دليل نياز به داده‌هاي زياد و گاهي در دسترس نبودن داده‌هاي مورد نياز و دقيق نبودن داده‌ها به‌علت خطاي انساني براي شبيه‌سازي رسوبات، هميشه نمي‌توان به آن‌ها اعتماد كرد. امروزه سيستم هادي هوشمند فازي و عصبي با توجه به توانايي در حل پديده‌هاي غيرخطي و پيچيده، كاربردهاي فراواني در مسائل مختلف مهندسي آب از جمله رسوب پيدا كرده‌اند. هدف از پژوهش حاضر نيز ارزيابي و مقايسه‌ چهار روش مدل‌هاي فازي-عصبي تطبيقي (ANFIS)، ماشين بردار پشتيبان (SVM)، برنامه‌ريزي بيان ژن (GEP) و روش گروهي كنترل داده‌‌ها GMDH در برآورد بار رسوب ايستگاه حسن‌آباد رودخانه‌ تيره‌ استان مركزي است. بدين‌منظور به عملكرد چهار نوع مدل در شبيه‌سازي بار رسوبي رودخانه‌ها پرداخته، سپس نتايج چهار روش با يك‌ديگر و با نتايج منحني سنجه مورد مقايسه قرار گرفت. نتايج بيان‌گر عملكرد قابل‌قبول مدل‌ها نسبت به منحني سنجه است. هم‌چنين، نتايج برتري مدل (GMDH) با بيش‌ترين ضريب تبيين (R2) با مقدار 0.99 و كم‌ترين ريشه‌ ميانگين مربعات خطا (RMSE) بر حسب تن در روز با مقدار 0.0038 نشان داد. در اين خصوص كارآيي مدل (GEP) تا حدي بهتر از مدل‌هاي SVM و ANFIS بود. در مرحله‌ بعد، از بهترين الگوي انتخابي مدل‌هاي ANFIS، SVM و GEP به‌عنوان ورودي مدل GMDH استفاده شد. نتايج بيان‌گر عملكرد قابل‌قبول مدل GMDH با بيش‌ترين ضريب تبيين (R2) برابر 0.99 و 0.98 و كم‌ترين ريشه‌ ميانگين مربعات خطا به‌ترتيب برابر 0.0038 و 0.0045 تن در روز شد. نتايج به‌دست آمده نشان داد هر چهار روش داده‌كاوي بررسي شده به‌مراتب نتايج بهتري نسبت به منحني سنجه‌ رسوب ارائه مي‌كنند.