چکیده:
انتقال رسوبها در رودخانهها با توجه به نقش آنها در مباحث هیدرولوژیکی، از اهمیت ویژهای برخوردار است. این رسوبها به روشهای گوناگون اندازهگیری میشوند. اندازهگیری مستقیم بار معلق رسوبی در رودخانه، هزینهبر بوده و امکان احداث ایستگاههای اندازهگیری در تمام طول رودخانه وجود ندارد. همچنین معادلههای مورد استفاده در تخمین بار رسوبی، برای تمام مناطق قابل استفاده نبوده و علاوهبر آن، نیازمند دیدهبانیهای بلندمدت است. با این حال، برخی از روشها در تخمین بار معلق رسوبی به نتایج مطلوبی دست یافتهاند. در این مطالعه، سیستم استنتاجی فازی عصبی (ANFIS) با بهرهگیری از ترکیبهای ورودی مختلف برای تخمین بار معلق رسوبی روزانه بهکار گرفته شد. به این منظور در اولین بخش از پژوهش، مدل ANFIS با استفاده از دادههای دبی روزانه و بار معلق رسوبی روزهای پیشین، تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانه قرانقو مورد استفاده قرار گرفت. در دومین بخش از پژوهش، مدل ANFIS با استفاده از شاخصهای ضریب تبیین (R2) و خطای مجذور میانگین مربعات (RMSE) با مدلهای منحنی سنجه رسوبی (SRC) و رگرسیون چندمتغیره (MLR) مقایسه شد. نتایج نشان داد که مدل ANFIS با برخورداری از مقادیر ضریب تبیین (R2) برابر 9668/0، RMSE برابر 190، در مقایسه با سایر روشها از قابلیت بهتری در تخمین بار معلق رسوبی برخوردار است. در این بین، مدل SRC با برخورداری از مقادیر R2 و RMSE که بهترتیب معادل 8384/0 و 454 تخمینزده شده است، به ضعیفترین تحلیل در پیشبینی بار معلق رسوبی دست یافته است.
خلاصه ماشینی:
"در این پژوهش از مدل غیرخطی سیستم استنتاجی فازی عصبی5 )SIFNA( برای تخمین بار رسوبی روزانۀ رودخانۀ قرانقو بهره گرفته شده است.
inahoL در این نوشتار از سیستم استنتاجی فازی عصبی )SIFNA( به عنوان یک مدل غیرخطی در تخمین بار معلق رسوبی استفاده شده است.
(به تصویر صفحه مراجعه شود) مواد و روشها در این پژوهش برای تعیین مقدار بار معلق رسوبی،از میانگین دادههای روزانۀ دبی و رسوب حوضۀ رودخانۀ قرانقو در سالهای 1387 و 1388 استفاده شده است.
برای این امر،ابتدا دادههای فوق در مدل فازی عصبی )SIFNA( ،رگرسیون چندمتغیره1 )RLM( و منحنی سنجه رسوبی )CRS( وارد شده و سپس برای تعیین قابلیت هریک از مدلها،مقایسهای بین آنها انجام گرفته است.
توابع مدل SIFNA به صورت شکل شماره 2 بیان میشود: (1) noissergeR elbairavitluM (2) gnaJ &%08411TJPG084G% (به تصویر صفحه مراجعه شود) لایۀ 1:هر گره )edon( در این لایه،نشان دهندۀ درجه عضویت شاخصهای ورودی است.
توابع زنگولهای شکل با توجه به مجموعههای عضویت به صورت رابطه شماره 5 تخمین زده میشوند: رابطه 5)(به تصویر صفحه مراجعه شود) در این معادله، a ، b و c شاخصها مورد استفاده بوده و در آن،حداکثر مقادیر 1 و حداقل آن صفر در نظر گرفته شده است.
بحث و نتیجهگیری در این پژوهش برای تخمین بار معلق رسوبی از مدل فازی عصبی SIFNA ، RLM و CRS استفاده شده است.
در بخش نخست این پژوهش معادلههای رگرسیونی بین دادههای دبی و رسوب تعیین شده است،در دومین مرحله،متغیرهای دبی و رسوب به عنوان ورودی مدل SIFNA مورد استفاده قرار گرفته و از آن در تخمین بار معلق رسوبی بهره گرفته شده است."