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 ها:

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