چکیده:
یک سیستم رودخانهای یک سیستم باز است که از درگیر شدن ارتباطات مختلف و پیچیده شکل میگیرد. خصوصیات ذاتی حوضهها از یکسو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر میسازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان و رسوب حمل شده و تاثیر عوامل ژئومورلوژی حوضه و مدلسازی آن از اهمیت ویژهای برخوردار است.در این مطالعه دو نوع شبکه عصبی مصنوعی ژئومورلوژیکی و غیر ژئومورفولوژیکی برای پیشبینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت.نتایج طراحی شبکههای عصبی مبین کارآیی خوب شبکههای چند لایهی پرسپترون با الگوریتم یادگیری پسانتشار خطا است.نتایج نشان داد که شبکه عصبی ژئومورفولوژیکی با ضریب تبیین 0/862 و مجذور میانگین مربعات خطای 1/815 در مقایسه شبکه عصبی غیر ژئومورفولوژیکی با ضریب /827و معیار خطای 2/031 میزان رسوب جریان را بهتر پیشبینی میکند.نتایج ارزیابی مدلهای رگرسیونی مبین عملکرد ضعیفتر آنها در مقایسه با روش شبکه عصبی مصنوعی است بهطوری که ضریب تبیین مدل رگرسیونی ساده غیر ژئومورفولوژیکی /759و معیار خطای 2/395 و ضریب تبیین مدل رگسیونی ژئومورفولوژیکی برابر 0/811 با معیار خطای معادل 2/142 است.همچنین از مقایسه نتایج مدلهای مختلف چنین استنباط میشود زمانی که پارامترهای ژئومورفولوژیکی نظیر شاخص ناهمواری،شاخص گردی و شاخص تراکم زهکشی در مدل سازی وارد شوند نتایج ارزیابی آنها مناسبتر میشود.
خلاصه ماشینی:
"مجله جغرافیا و برنامهریزی محیطی،سال 22،شماره پیاپی 44،شماره 4،زمستان 0931 وصول:9831/3/81 پذیرش:9831/9/32 صص 43-91 مقایسه کارآیی مدلهای شبکههای عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان عباسعلی ولی:استادیار ژئومورفولوژی،دانشگاه کاشان،کاشان،ایران* محمد حسین رامشت:استاد ژئومورفولوژی،دانشگاه اصفهان،اصفهان،ایران عبداله سیف:استادیار ژئومورلوژی،دانشگاه اصفهان،اصفهان،ایران رضا قضاوی:استادیار منابع آب،دانشگاه کاشان،کاشان،ایران چکیده یک سیستم رودخانهای یک سیستم باز است که از درگیر شدن ارتباطات مختلف و پیچیده شکل میگیرد.
در این مطالعه دو نوع شبکه عصبی مصنوعی ژئومورلوژیکی و غیر ژئومورفولوژیکی برای پیشبینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت.
بهترین معادله برازش بین میزان دبی و رسوب لحظهای از بین مدلهای خطی،لگاریتمی،درجه 2،درجه 3،معکوس و توانی برای دادههای آموزش،رابطه توان با ضریب تبیین /068حاصل شده است نتایج تاثیر عوامل ژئومورفولوژی منتج به انتخاب سه ضریب ناهمواری،ضریب گردی و شاخص زهکشی حوضه با استفاده از آمار دبی و (به تصویر صفحه مراجعه شود) نتایج حاصل از مدلسازی آماری و شبکههای عصبی مصنوعی و عملکرد هر مدل در جدول(7)ارائه شده است.
شکل(5)اختلاف بین مقادیر خطای برآورد شده و مقادیر واقعی رسوب را برای مدلهای مختلف (به تصویر صفحه مراجعه شود) باتوجه به یکسان بودن ساختارهای شبکههای عصبی NGANN و GANN میتوان علت اختلاف در کارآیی مدل را در اثر دخالت عوامل ژئومورفولوژی حوضه در مدل سازی دانست و با اطمینان اظهار نمود زمانی که اطلاعات سیلاب با عوامل ژئومورفولوژی حوضه ادغام شوند،مدل کارآیی بالاتری نسبت به زمانی دارد که ما فقط از اطلاعات سیلاب استفاده نماییم."