ارائه مدل ترکیبی منحنی سنجه ی رسوب و شبکه ی عصبی مصنوعی در برآورد بار رسوب بستر (مطالعه موردی: رودخانه قطورچای)

رسوب حمل شده با جریان آب عامل مهمی در شکل گیری ساختار هندسی و خصوصیات ریخت شناسی رودخانه ها تلقی می شود. هر گونه کاهش و یا افزایش بار رسوبی رودخانه پیامدهای مختلفی از جمله وقوع پدیده کف کنی و یا ترازافزایی، تغییر دانه بندی مصالح و شکل سطح مقطع و نیمرخ طولی به دنبال دارد. همچنین استفاده از منابع آب رودخانه ها نیاز به احداث سازه های کنترل جریان مثل سد، بند، کانال های انتقال و مانند آن است که طراحی و بهره برداری از آن ها آگاهی از میزان رسوب حمل شده را غیر ممکن می کند. پس گسترش شیوه های نوین تخمین رسوب که دارای سهولت کاربرد هستند و یا اینکه پژوهشگران را به سوی نتایج دقیق تر هدایت کنند، نقش مهمی را خواهد داشت. در این بررسی که روی ایستگاه پل یزدکان بر رودخانه قطورچای در استان آذربایجان غربی انجام شده است، کارایی یک مدل ترکیبی موسوم به HAS (Hybrid of ANN and SRC)‎ منتج از روش های شبکه عصبی مصنوعی (ANN)‎ و منحنی سنجه رسوب (SRC)‎ ارزیابی می گردد. در این بررسی، ابتدا کارایی هر یک از مدل های SRC و ANN بررسی شده و سپس مدل HAS بر اساس بهینه سازی نتایج SRC به کمک ANN با همان داده ها به کار گرفته شد. نتایج نشان از برتری مدل HAS نسبت به دو مدل دیگر بود، به طوری که ریشه میانگین مربعات خطا در روش منحنی سنجه و شبکه عصبی مصنوعی به ترتیب برابر ۳۰۵‎/۲۳۸ و ۰۲۸‎/۲۶۲ (تن بر روز) و در مدل ترکیبی HAS

کلیدواژه ها:

منحنی سنجه رسوب ، شبکه عصبی مصنوعی ، مدل ترکیبی ، بار کف ، رودخانه قطورچای