مقایسه روشهای شبکه عصبی مصنوعی و سیستم استنتاج عصبی فازی با منحنی سنجه رسوب (مطالعه موردی: رودخانه سولگان)

در اغلب رودخانه های طبیعی بخش اعظم رسوبات به صورت بار معلق جابه جا میشوند. رسوبات حمل شده توسط رودخانه ها مشکلات زیادی از جمله رسوب گذاری در مخازن سدها وکاهش حجم مفید آنها، تغییر مسیر رودخانه به دلیل رسوب گذاری در بستر آنها، کاهش ظرفیت عبور آبراهه ها و تغییر کیفیت آب به لحاظ کاربردهای آشامیدن وکشاورزی را به وجود می آورند. ارائه روش و مدلی مناسب برای برآورد بارمعلق رودخانه ها کاربردهای فراوانی دارد، البته مدل های ریاضی از دقت کافی برخوردار نیستند. امروزه استفاده از سیستم های هوش مصنوعی به عنوان راهکاری جدید گسترش پیداکرده است. در تحقیق حاضر از منحنی سنجه رسوب و شبکه عصبی و سیستم استنتاج عصبی فازی(نروفازی) برای برآورد رابطه دبی رسوب رودخانه سولگان مربوط به سالهای 56 تا 81 استفاده شد (ایستگاه سولگان در استان چهارمحال و بختیاری قراردارد). نتایج نشان داد روش فازی باR2=0/95،RMSE=0/87 و MAE=0/47 از دقت بیشتری نسبت به مدل شبکه عصبی با R2=0/58،RMSE=1/04 وMAE=0/33 و روش رگرسیون با R2=0/34،RMSE=1/01 وMAE=0/99 برخوردار است. به طور کلی به ترتیب مدل های نروفازی و شبکه عصبی نسبت به منحنی سنجه بهترین نتایج را داشت.

کلیدواژه ها:

منحنی سنجه رسوب ، رسوبات معلق ، شبکههای عصبی مصنوعی ، منطق فازی ، سولگان