مدل سازی مبتنی بر هوش محاسباتی در برآورد بار معلق رودخانه (ایستگاه باقرآباد قمرود)

برآورد مقدار رسوب رودخانه در طراحی و اجرای سازه های آبی و ساماندهی رودخانه از اهمیت به سزایی برخوردار است. شبیه سازی و ارزیابی رسوب رودخانه از جمله مسائل مهم و کاربردی در مدیریت منابع آب هست. بنابراین دست یافتن به شیوه های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت زیادی است. هدف از این پژوهش ارزیابی و مقایسه مدل های فازی- عصبی تطبیقی (ANFIS)، ماشین بردار پشتیبان (SVM) و برنامه ریزی بیان ژن GEP در برآورد بار رسوبایستگاه باقرآباد رودخانه قمرود استان مرکزی می باشد. بدین منظور عملکرد سه نوع مدل ماشین بردار پشتیبان (SVM)، سیستم عصبی فازی-تطبیقی (ANFIS) و برنامه ریزی بیان ژن GEP در شبیه سازی بار رسوبی رودخانه ها پرداخته، سپس نتایج سه روش با یکدیگر و با نتایج منحنی سنجه مورد مقایسه قرار گرفت. نتایج بیانگر عملکرد قابل قبول مدل ها نسبت به منحنی سنجه می باشد. همچنین نتایج برتری مدل GEP با بیشترین ضریب تعیین R۲ با مقدار۹۹/۰ و کمترین ریشه میانگین مربعات خطا RMSE بر حسب تن در روز با مقدار ۰۱۰/۰ نشان داد. در این خصوص کارآیی مدلSVR تا حدی بهتر از مدل ANFIS بود. نتایج به دست آمده نشان داد هر سه روش داده کاوی بررسی شده به مراتب نتایج بهتری نسبت به منحنی سنجه رسوب ارائه می کننند.

کلیدواژه ها:

برنامه ریزی بیان ژن ، شبکه عصبی ، رسوب ، ماشین بردار پشتیبان