پیش بینی بارمعلق رودخانه با استفاده ازمدلهای سری زمانی و شبکه عصبی مصنوعی

براورد میزان دقیق رسوبات معلق دررودخانهها از ابعاد مختلف کشاورزی و حفاظت خاک کشتیرانی سدسازی حیات آبزیان و ابعاد تحقیقاتی دارای اهمیت فراوانی است روشهای مختلفی برای بررسی رسوبات معلق موجود می باشد درتحقیق حاضر به منظور مقایسه و بررسی توانایی مدلهای سری زمانی شامل ARIMA, AR و شبکه عصبی درپیش بینی رسوب معلق از داده های روزانه ایستگاه قزاقلی واقع درگرگان رود استفاده شد دادههای موجود بصورت متوسط رسوب معلق ماهانه درمحیط نرم افزارMinitab 16 ی Neurosolutions 5 بهکارگرفته شد نتایج حاصل ازارزیابی با شاخصهای اندازه گیری خطا نشان داد شبکه عصبی درمقایسه با مدلهای سری زمانی توانایی بهتری درپیش بینی و مدلسازی رسوب ماهانه دارد و نیز دربین مدلهای سری زمانی مدل اتورگرسیو دارای توانایی بهتری دربراورد رسوب معلق می باشد.

کلیدواژه ها:

رسوب معلق ، سری زمانی ، شبکه عصبی ، قزاقلی ، مدلسازی