سیدسامان میرفلاح نصیری - گروه مهندسی آب، دانشگاه آزاد اسلامی واحد لاهیجان، ایران
ابراهیم امیری - استاد گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان ایران
محبوبه شادابی بجند - گروه مهندسی آب، دانشگاه آزاد اسلامی واحد لاهیجان، ایران

برآورد دقیق میزان رسوبات حمل شده در رودخانه ها بر اثر فرسایش عامل مهمی برای مدیریت پروژه های آب شناختی می باشد. شبکه عصبی مصنوعی به دلایل عمده از جمله برخورداری از توانایی تشخیص الگو، رابطه خوب بین ورودی و خروجی و نیاز به تعداد داده های ورودی کم تر در پیش بینی میزان رسوب معلق دارای اهمیت فراوانی است. بر این اساس پژوهش حاضر اقدام به مدلسازی برآورد میزان رسوب معلق رودخانه پسیخان با استفاده از شبکه عصبی مصنوعی درخت تصمیم M۵ کرده است. میزان رسوب در رودخانه ها تابع پارامترهای زیادی از هندسه رودخانه، هیدرولیک جریان و خصوصیات رسوب است. به همین دلیل در این تحقیق سعی شده است ابتدا با بی بعد سازی پارامترهای موثر بر ظرفیت حمل رسوب، تعداد پارامترهای موثر کاهش یابد. نتایج نشان داد که درخت تصمیم ساخته شده اولیه یعنی درخت M۵ نیاز به هرس ندارد و دارای کاربرد مناسب می باشد. برای بررسی میزان دقت مدل پیش بینی از سه پارامتر ضریب تعیین (R۲)، متوسط خطای نسبی (ME) و میانگین مجذور مربعات خطا (RMSE) استفاده شد. مقادیر بدست آمده برای این سه پارامتر به ترتیب برابر با ۸۵۱/۰، ۶۴/۱۰۳۷ و ۳۲/۹۴۱ به دست آمد که نشان دهنده مناسب بودن این سه پارامتر است. همچنین مقایسه میزان رسوب معلق بدست آمده از مدل درخت تصمیم با داده های اندازه گیری رودخانه پسیخان نشان داد که میزان ضریب تعیین برابر با ۸۹۵۳/۰ به دست آمد که یک مقدار بسیار مناسب است. نتایج نشان داد که این مدل در پیش بینی میزان رسوب معلق در رودخانه پسیخان از کارایی موثری برخوردار است.

درخت تصمیم, رسوب معلق, رودخانه پسیخان, شبکه عصبی مصنوعی, مدلسازی