تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت)

هر ساله هزاران تن خاک مناسب و با ارزش از سطح حوضه های آبخیز فرسایش می یابد و قسمتی از آن به صورت رسوبات معلق وارد شبکه هیدروگرافی شده و از حوضه خارج می گردد. یکی از نیازهای طراحی در پروژه های آبخیزداری و حفاظت آب و خاک، برآورد رسوبات معلق است. برای برآورد رسوبات معلق از مدل های مختلفی استفاده می شود. در این تحقیق مدل هایی بر اساس روش های داده محور شبکه های عصبی مصنوعی (ANN) و سیستم استنتاج نروفازی (ANFIS) ساخته شده و برای تخمین رسوب ورودی به مخزن سد درودزن مرودشت استفاده شده است. انجام این تحقیق مبتنی بر جمع آوری داده های ماهانه از ایستگاه های هیدرومتری می باشد. داده هایی که مورد استفاده قرار گرفته اند عبارتند از ارتفاع اشل، میانگین غلظت رسوب از مقاطع مختلف (CM) ، مقدار غلظت در نقطه ثابت (CF) ، مقدار رسوب در مقاطع مختلف. از تعداد 275 داده موجود 193 داده به عنوان داده های آموزش، 41 داده برای اعتبارسنجی و 41 داده برای آزمون به کار برده شده است. جهت رسیدن به ساختار مناسب شبکه عصبی مصنوعی مدلهای مختلف با تعداد لایه های مخفی تعداد گره های مختلف طراحی و آزمون شد. جهت ارزیابی مدل های ساخته شده از چندین معیار آماری شامل: ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) ، مربع میانگین خطای استاندارد (MSE) ، شاخص توافق ویلموت (d) ، استفاده شده است که به ترتیب در (ANN) برابر است با: 0/9522 و 6/4988 و 3/7729 و 42/2343 و 0/9878 و در ANFIS به ترتیب برابر است با: 0/9103 و 8/8669 و 6/1609 و 78/6223 و 0/976 مقایسه نتایج مدل شبکه عصبی مصنوعی (ANN) با مدل سیستم استنتاج فازی (ANFIS) حاکی از دقت بیشتر شبکه عصبی مصنوعی (ANN) دارد.

کلیدواژه ها:

ANN ، ANFIS ، رسوبات معلق ، سد درودزن ، تخمین رسوب ، رسوبگذاری