تخمین رسوب رودخانه با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون تکه ای (مطالعه موردی: رودخانه حصار)

رسوب (بارمعلق و کف) موادجامدی است که از طریق رودخانه انتقال می یابد. برآورد رسوب رودخانه ها یکی از مهمترین موارد درمهندسی رودخانه است. این تحقیق به بررسی عملکرد مدلهای شبکه عصبی مصنوعی و مدل رگرسیون تکهای در تخمین رسوبرودخانه می پردازد. داده های رسوب دو ایستگاه رودخانه حصار(63 و 123 نمونه) مطالعه موردی این پژوهش است. عملکرد مدل هایشبکه عصبی مصنوعی (شبکه پرسپترون چند لایه و تابع پایه شعاعی) و نتایج رگرسیون تکه ای مقایسه شد. ضریب کارایی((C(NS در روش، پرسپترون چندلایه 0/9908 و در روش تابع پایه شعاعی 0/9893 و در روش رگرسیون تکه ای 0/8347 محاسبه شد. نتایج حاصل از عملکرد این مدل ها به منظور تخمین رسوب، معیارهای تعریف شده برای سنجش خطا در مراحل آموزش و ارزیابیبا مقادیر مشاهداتی مقایسه شد، و پس از مقایسه مدل های مختلف، بهترین مدل انتخاب گردید.

کلیدواژه ها:

رسوب رودخانه ، شبکه عصبی پرسپترون چند لایه ، مدل رگرسیون تکه ای