استفاده از سیستم استنتاجی فازی عصبی در تخمین بار رسوبی و مقایسۀ آن با مدل‌های mlr وsrc در حوضۀ رودخانۀ قرانقو
Abstract(in Persian; no English abstract is available)
انتقال رسوبها در رودخانهها با توجه به نقش آنها در مباحث هیدرولوژیکی، از اهمیت ویژهای برخوردار است. این رسوبها به روشهای گوناگون اندازهگیری میشوند. اندازهگیری مستقیم بار معلق رسوبی در رودخانه، هزینهبر بوده و امکان احداث ایستگاههای اندازهگیری در تمام طول رودخانه وجود ندارد. همچنین معادلههای مورد استفاده در تخمین بار رسوبی، برای تمام مناطق قابل استفاده نبوده و علاوهبر آن، نیازمند دیدهبانیهای بلندمدت است. با این حال، برخی از روشها در تخمین بار معلق رسوبی به نتایج مطلوبی دست یافتهاند. در این مطالعه، سیستم استنتاجی فازی عصبی (anfis) با بهرهگیری از ترکیبهای ورودی مختلف برای تخمین بار معلق رسوبی روزانه بهکار گرفته شد. به این منظور در اولین بخش از پژوهش، مدل anfis با استفاده از دادههای دبی روزانه و بار معلق رسوبی روزهای پیشین، تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانۀ قرانقو مورد استفاده قرار گرفت. در دومین بخش از پژوهش، مدل anfis با استفاده از شاخصهای ضریب تبیین (r2) و خطای مجذور میانگین مربعات (rmse) با مدل‌های منحنی سنجه رسوبی (src) و رگرسیون چندمتغیره (mlr) مقایسه شد. نتایج نشان داد که مدل anfis با برخورداری از مقادیر ضریب تبیین (r2) برابر 9668/0، rmse برابر 190، در مقایسه با سایر روشها از قابلیت بهتری در تخمین بار معلق رسوبی برخوردار است. در این بین، مدل src با برخورداری از مقادیر r2 و rmse که بهترتیب معادل 8384/0 و 454 تخمینزده شده است، به ضعیفترین تحلیل در پیشبینی بار معلق رسوبی دست یافته است.