اثر کلاسه بندی دبی و تفکیک زمانی داده ها در برآورد بار معلق رودخانه ها به کمک شبکه عصبی مصنوعی (مطالعه موردی؛ بابل رود)

برآورد صحیح دبی رسوب معلق رودخانه ها در مدیریت منابع آب اهمیت فراوانی دارد. در تحقیق حاضر با کلاسه بندی دبی و تفکیک زمانی داده ها، هفت مدل پیشنهاد گردید. برای برقراری رابطه رگرسیونی بین داده های دبی جریان و دبی رسوب مدل های پیشنهادی، بجای استفاده از منحنی سنجه با روش حداقل مربعات خطا که نیازمند انجام محاسبات نسبتاً طولانی می باشد، از روش شبکه عصبی پرسپترون چندلایه پیش خور با قاعده یادگیری LM استفاده شد. آنگاه مناسب ترین مدل بر اساس شاخص های آماری حداقل میانگین مربعات خطا و ضریب تبیین انتخاب گردید. در این راستا از آمار دبی متوسط جریان و غلظت متوسط رسوب اندازه گیری شده به صورت روزانه در طول یک دوره طولانی مدت 23 ساله، از سال آبی 1356 تا 1379 در ایستگاه هیدرومتری قرآن طالار واقع بر رودخانه بابل رود استفاده شده است. نتایج نشان داد که استفاده از شبکه عصبی مصنوعی تا اندازه زیادی محاسبات را ساده تر نموده و به میزان قابل قبولی از مقدار خطا می کاهد.