خلاصة:
از مهمترین عوامل تصمیمگیری در احداث سازههای رودخانهای و تعیین عمق مفید سدها داشتن دادهای دقیق از میزان رسوب حمل شده توسط رودخانهها است. روشهای چندی برای محاسبه برای بار معلق رودخانهها پیشنهاد شده است. یکی از این روشها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطاهای عمده روش مذکور عدم لحاظ اختلافهای فصلی میباشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دورههای کم آبی و پر آبی بر میزان خطای تخمین رسوب و مقایسه روش مذکور با روش شبکه عصبی مصنوعی میباشد. جهت دستیابی به این مهم با ترسیم منحنی تداوم جریان و روش اداره عمران ایالاتمتحده (USBR) اقدام به محاسبه میزان رسوب معلق روزانه و منحنی سنجههای رسوب کم آبی و پر آبی ترسیم گردید سپس نتایج حاصله با نتایج به دست آمده از روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. در نهایت به وسیله معیارهای آماری سنجش خطا شامل خطای نسبی (RE)، کارایی مدل (EF)، ریشه میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) اقدام به ارزیابی خطاهای روشهای مذکور نموده نتایج مبین قابلیت بالای روش شبکه عصبی مصنوعی با ضرایب تبیین و کارایی به ترتیب 903 /0 و 89/0 و ریشه میانگین مربعات خطا و خطای نسبی به ترتیب 322/0 و 22/6 میباشد.
Being available the accurate data on carried sediment has accounted as an important factor for making decision about constructing of river structures and determining of dam life. To accomplish this object, a number methods have been proposed so that sediment rate curving as a hydrological method has been developed for doing it. Ignoring differences between seasonchr('39')s values causes to lower the precision of this method. So, present research has been programmed for evaluation of classified discharge to two categories including high water and low water on suspended sediment calculated by sediment rating curve in comparison with Artificial Neural Network (ANN). For acquiring this object, by means of flow duration curve and USBR method, daily suspended sediment and sediment rating curve were resulted. Finally, some statistical criteria including Relative Error (RE), Model Efficiency (EF), Root Mean Square Error (RMSE) and Descriptive Coefficient (R2) were applied for comparing the results outcome of sediment rating curve method and ANN method. Results showed that ANN method has as higher capability in comparison with sediment rating curve on basis of Descriptive Coefficient and Model Efficiency 0/903 and 0/89 respectively moreover Root Mean Square Error and Relative Error 0/322 and 6/22 respectively.