مدلسازی حجم رسوبات حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

ارزیابی و برآورد رسوب از جمله مسائل مهم وکاردبردی در مدیریت منابع آب است. اندازهگیری به روشهای مرسوممستلزم صرف هزینه و دقت زیادی است و گاهی از دقت کافی برخوردار نیست. یک از روشهای نوین در حل مسائل منابع آبو رودخانه استفاده از روش شبکه عصبی مصنوعی است با الگوبرداری از مغز انسان ضمن اجرا فرآیند آموزش، روابط بین داده هارا نیز استخراج میکند. در این مطالعه از داده های دبی رودخانه، غلظت رسوب، میزان رسوبات حمل شده، دما و بارش در سهایستگاه قبقبلو، پل آنیان و ساریقمیش که کاملترین آمار را نسبت به سایر ایستگاه های حوضه زرینه رود داشتند استفاده گردید. بدین منظور بعد از رفع نواقص آماری و حذف داده های پرت، 60 درصد داده ها جهت آموزش، 10 درصد اعتبار سنجی و 30 درصد برای آزمون مورد استفاده قرار گرفت. بعد از استاندارد کردن دادهها به روش نرمالیزه کردن شبکه های عصبی پرسپترون چندلایه، آنالیز مولفه های اصلی، مدل عصبی، تابع پایه شعاعی و شبکه پیشخور عمومی با توابع انتقالی تانژانتی، سیگوئیدی، تانژانت خطی و سیگموئید خطی ایجاد شد. به این منظور از معیارهای R(2), MSE, MAE استفاده گردید. نتایج نشانگر عملکرد بهتر شبکه پرسپترون چند لایه با ضریب رگرسیون 0/92، مجذور مربعات خطا و خطای مطلق به ترتیب 0/0056 و 0/039 در ایستگاه قبقبلو، پیشخور عمومی با ضریب رگرسیون 0/90 و مجذور مربعات خطا 0/005 و خطای مطلق 0/035 در ایستگاه سارقمیش و مدل عصبی با ضریب رگرسیون 0/885 و مجذور مربعات خطا و خطای مطلق 0/0055 و 0/039 در ایستگاه پل آنیان در برآورد رسوبات دارد.

کلیدواژه ها:

شبکه پرسپترون ، شبکه عصبی ، رسوب ، پیش بینی