پیش بینی بار رسوبات معلق با استفاده از محاسبات نرم (مطالعه موردی: رودخانه میناب)

انتقال رسوب در رودخانه به عنوان یکی از فرایندهای مهمی است که بر خصوصیات مختلف سیستم از جمله سلامت و کیفیت آب، جغرافیایرودخانه، قابلیت هدایت آب در کانال و چندین جنبه دیگر مهندسی آب تاثیر می گذارد. بنابراین درک مقدار دقیق رسوب منتقل شده در یکرودخانه برای چشم انداز مهندسی هیدرولیک بسیار ضروری است. بر همین اساس مطالعه حاضر با هدف ارزیابی توانایی رویکردهای سیستم استنتاجعصبی- فازی ANFIS ، شبکه عصبی تابع شعاعی RBF و روش کنترل گروهی داده GMDH جهت پیش بینی دبی رسوب رودخانه میناب درایستگاه برنظین انجام شد. با توجه به داده های موجود از ترکیبات مختلف دبی جریان و رسوب به عنوان ورودی مدل استفاده شد. بر همین اساس ۱۲سناریو با گام های زمانی مناسب برای پیش بینی دبی رسوب تعریف شد. عملکرد مدل های RBF, ANFIS و GMDH بر اساس معیارهای آماریاز جمله ضریب ناش (NASH)، میانگین خطای مطلق (MAE) و ضریب تعیین (R) با هم مقایسه شد. نتایج نشان میدهد که روش GMDH بامقادیر ضریب R, NASH و MSE به ترتیب برابر با ۰.۶۹۱۰ ، ۰.۸۴۱۹ و ۱۳۵۹.۷۹ بهترین عملکرد در پیش بینی دبی رسوب در رودخانه مینابداشته است.

کلیدواژه ها:

بار معلق رسوب ، شبکه عصبی تابع شعاعی RBF ، سیستم استنتاج عصبی- فازی ، رودخانه میناب ، مدلسازی