ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(anfis) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با ۲ نوع از مدل های شبکه ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه رود، حوضه جنوب شرقی دریاچه ارومیه
چکیده
حوضه های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]anfis) بهره گرفته شده است. به این منظور داده های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل های شبکه عصبی مصنوعی مورد استفاده قرار گرفته است. در کنار این مدل از مدل های پرسپترون چندلایه([2]mlp)، شبکه عصبی تابع پایه شعاعی([3]rbf)و منحنی سنجه رسوبی ([4]src) نیز بهره گرفته شد. سپس نتایج مدل anfisبا مدل های فوق مقایسه گردید. برای تعیین کارایی مدل ها از فاکتور مجذور میانگین مربعات خطا (rmse)و خطای تبیین (r2)استفاده شده و مشاهده می شود که مدل anfis با برخورداری از خطای تبیین معادل 9087/0 و مجذور میانگین مربعات خطای معادل 224 میلیگرم در لیتر نسبت به سایر مدل ها به نتایج بهتری دست می یابد. کمترین میزان r2 و rmseنیز برای مدل src به ترتیب معادل 8251/0 و 304 برآورد گردید. مقادیر آکائیک نیز برای مدل anfis معادل 1993 محاسبه شد که این امر نشان دهنده ی قابلیت بالای مدل anfis در تخمین بار معلق رسوبی می باشد. [1]-artificial neural fuzzy inference system [2]-multi layer perceptron [3]-radial basis function [4]-sediment rating curve