کاربرد سه مدل هوشمند در برآورد بار معلق حوضه های آبخیز (مطالعه موردی: حوضه آبخیز دره رود، استان اردبیل)

  • سال انتشار: 1399
  • محل انتشار: فصلنامه آب و خاک، دوره: 34، شماره: 4
  • کد COI اختصاصی: JR_JSW-34-4_006
  • زبان مقاله: فارسی
  • تعداد مشاهده: 35
دانلود فایل این مقاله

نویسندگان

یاسمن عطایی

دانشگاه محقق اردبیلی

محمد رضا نیک پور

دانشگاه محقق اردبیلی

امین کانونی

دانشگاه محقق اردبیلی

یاسر حسینی

دانشگاه محقق اردبیلی

چکیده

تخمین بار معلق در طیف وسیعی از مسائل از قبیل طراحی مخازن سدها، برآورد میزان فرسایش و رسوب­گذاری اطراف پایه­های پل و مدیریت حوضه­های آبخیز به­کار گرفته می­شود. در این پژوهش به­منظور تخمین بار معلق حوضه دره­رود، مقادیر دبی و بار معلق در ۱۶ ایستگاه هیدرومتری طی دوره مشترک آماری ۱۵ ساله (۹۴-۱۳۸۰) جمع­آوری گردید. پنج الگوی مختلف بر اساس میزان تاثیرگذاری متغیرهای دبی و خصوصیات فیزیوگرافی زیرحوضه­ها شامل مساحت، شیب، ضریب شکل و شماره منحنی بر بار معلق حوضه تعریف شد. ضمنا با در نظر گرفتن پارامترهای مساحت و شیب، زیرحوضه­ها به دو گروه اول و دوم تقسیم­بندی شدند. عملکرد مدل­های شبکه عصبی مصنوعی (ANN)، سامانه استنتاجی فازی- عصبی تطبیقی (ANFIS) و برنامه­ریزی بیان ژن (GEP) در پیش­بینی بار معلق مورد بررسی قرار گرفت. نتایج نشان داد تخمین بار معلق با به­کارگیری الگوی ترکیبی شامل کلیه خصوصیات فیزیوگرافی و دبی با بیشترین دقت همراه بود. در بین مدل­های هوشمند بهترین عملکرد متعلق به مدل GEP بود. در گروه اول، این مدل بیشترین ضریب تعیین (۶۸/۰=R۲)، کمترین مقدار ریشه میانگین مربعات خطا ( ton/day۶۹/۷=RMSE) و بیشترین ضریب نش-ساتکلیف (۵۵/۰=NS) را در مقایسه با سایر مدل­ها به خود اختصاص داد. در خصوص گروه دوم نیز مدل GEP با دارا بودن مقادیر R۲، RMSE و NS به­ترتیب برابر با ۷۲/۰، ۲۶/۹۷۵ و ۴۳/۰ برتری محسوسی داشت. با استفاده از مدل GEP برای گروه­های اول و دوم مدل­های منطقه­ای رسوب استخراج شد. طبق نتایج، طی سال­های ۹۴-۱۳۸۰ سالانه به­طور میانگین ۳۳/۶ میلیون تن رسوبات معلق توسط شبکه آبراهه­ها در کل حوضه دره­رود جابه­جا شده و به­طور متوسط سهم هر کیلومتر مربع حوضه، حدود ۱۰۰۰ تن بوده است.

کلیدواژه ها

بار معلق, حوضه دره رود, خصوصیات فیزیوگرافی, دبی ویژه رسوب, مدل های هوشمند

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.