برآورد رسوبات معلق با استفاده از شبكه عصبي مصنوعي (مطالعه موردي: حوزه آبخيز جاميشان استان كرمانشاه)

Estimation of Suspended Sediment Using Artificial Neural Network (Case Study: Jamishan Watershed in Kermanshah)

پديده هاي فرسايش و انتقال رسوب در رودخانه ها يكي از مهمترين و پيچيده ترين موضوعات مهندسي رودخانه مي باشد. اين پديده ها اثرات ويژه اي روي شاخص هاي كيفي آب، كنش كف بستر و كناره هاي رودخانه داشته و همچنين خسارات جبران ناپذيري به طرح هاي عمراني آب وارد مي نمايد. پيش بيني دقيق ميزان رسوب رودخانه ها اهميت قابل توجهي در مديريت منابع آب و طراحي و ساخت و همچنين برنامه ريزي در بهره برداري از سازه هاي آبي دارد. در اين تحقيق سعي گرديده است كه كارايي شبكه هاي عصبي مصنوعي در پيش بيني رسوب معلق مورد ارزيابي قرار گيرد. با استفاده از روش شبكه عصبي مصنوعي (مدل پرسپترون چند لايه) رسوب معلق در ايستگاه هيدرومتري حيدرآباد روي رودخانه جاميشان پيش بيني گرديده و نتايج با منحني سنجه رسوب مورد مقايسه قرار گرفته است و مزايا و معايب هر يك از اين روشها تجزيه و تحليل شده است. براساس نتايج بدست آمده شبكه عصبي مصنوعي نتايج قابل قبولي را جهت شبيه سازي بار معلق در ايستگاه حيدرآباد ارايه مي كند، بطوريكه در مقايسه با منحني سنجه رسوب از دقت بالاتري برخوردار است. مقدار R2 كه از شبكه عصبي بدست آمده برابر با حدود 92/0 و R2 كه از منحني سنجه رسوب بدست آمده برابر با حدود 83/0 است. البته لازم به ذكر است كه شبكه عصبي نيز نقاط اوج را به درستي پيش بيني نمي كند كه اين از نقاط ضعف نوع مدل بشمار مي رود.

Erosion and sediment transport in the rivers is one of the most important and complicated subjects in river engineering. These phenomena have specific effects on water quality, bed and bank scouring as well as considerable damages to water related structures and projects. Therefore, precise prediction of river sediment plays an important role in water resources management and planning as well as design and construction of hydraulic structures. In this research it has been tried to evaluate the efficiency of artificial neural networks in prediction of suspended sediment. Using multi-layer perceptron neural network suspended sediment of Heydarabad station on Jamishan river of Kermanshah has been predicted, and the results have been compared to those of sediment rating curve method. Then the strengths and limitations of these methods have been analysed. According to the results, ANN has presented acceptable predictions in Heydarabad station suspended sediment simulation in comparison to the sediment rating curve method. The values of R2 for the results of ANN and the sediment rating curve methods are respectively 0.92 and 0.83. However, it must be mentioned that ANN is also not able to predict the peak values with acceptable accuracy, which can be a weakness of this model.