مقایسه منحنی سنجه رسوب با مدل های MLP در تخمین رسوبات معلق رودخانه زاینده رود

مطالعه حاضر به بررسی رسوبات حمل شده در شاخه اصلی رودخانه زاینده رود می پردازد . بدین منظور، میزان آورد رسوبات با استفاده از روش رگرسیون آماری و دو روش از شبکه های عصبی مصنوعی، در سه حالت مدل سازی شد . در حالت نخست، تمامی داده های اندازه گیری شده، بدون هیچ گونه تفکیکی مدل سازی شدند . واضح است که این مدل خطای زیادی را به همراه دارد . در حالت دوم داده ها به دو زیرمجموعه سیلابی و غیر سیلابی، و در حالت سوم به دو زیرمجموعه با غلظت رسوبات کم و زیاد دسته بندی شدند . سپس هر زیرمجموعه جداگانه توسط روش های مذکور شبیه سازی شد . نتایج حاصل نشان می دهد که بر اساس شاخص های اجرایی در نظر گرفته شده، نتایج حاصل از مدل MLP در مقایسه با روش های GRNN و رگرسیون آماری، تطابق بیشتری با مقادیر اندازه گیری شده دارد . از سویی دسته بندی داده ها بر اساس غلظت رسوب، نتایج مطلوبتری را در بر دارد

کلیدواژه های مقایسه منحنی سنجه رسوب با مدل های MLP در تخمین رسوبات معلق رودخانه زاینده رود:

انتقال رسوب ، رگرسیون آماری ، معادله توانی ، منحنی سنجه رسوب ، شبکه های عصبی مصنوعی ، پرسپترون چند لایه ، شبکه عصبی رگرسیون تعمیم یافته