Abstract:
برآورد بار رسوبی در رودخانهها با توجه به خسارات ناشی از آن، یکی از مهمترین و مشکلترین قسمتهای مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوههای نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت بسیار زیادی است. در این تحقیق کاربرد روش سیستم عصبی مصنوعی (ANN) در بهینهسازی نتایج مدلی مبتنی بر روش منحنی سنجهی رسوب (SRC) برای پیشبینی بار معلق جریان مورد بررسی قرار گرفته است. برای این منظور ایستگاه یزدکان واقع بر رودخانهی قطورچای در نظر گرفته شد. یک مدل رگرسیونی به کمک روش SRC ساخته شد که با کمک دادههای دبی در ایستگاه مذکور میزان بار معلق در همان ایستگاه پیشبینی میگردد. پس از ساختن مدل به کمک این روش، یک مدل ANNمورد استفاده قرار گرفت که دقیقا از دادههای مشابه استفاده نموده و سپس با استفاده از آن دو، مدل ترکیبی ساخته شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (ANN و SRC)، هر یک از این روشها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل با مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدلها از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آنها به تنهایی برخوردار است. به طوری که میزان Dr از عدد 402/1 در روش SRC و 395/2- در مدل ANN به مقدار 963/0 در یکی از مدلهای ترکیبی تعدیل یافته است. همچنین میزان ریشه میانگین مربعات خطا که به ترتیب برای SRC و ANN به تنهایی 286/692 و 96/616 حاصل گشته بود به عدد 094/603 کاهش پیدا کرد.
Estimation of sediment loads in rivers is one of the most important, difficult components of sediment transport studies and river engineering. Accessing new methods that can be effective in this background are more important. In this research, we have used the artificial neural network (ANN) to optimize the results of the sediment rating curve (SRC) to predict the suspended sediment loads. For doing that, the Yadakan station on Ghatoor-Chai River was considered. An equation by SRC method was obtained followed by an ANN method by the same data, and finally by combining them, we built a new model. It should be mentioned that before using the combined model, each method was used and the obtained results were compared with the observed data. Based on this research, the results of using the combined model were more precise than the ANN and SRC separately as the Dr value from 1. 402 (in SRC) and -2. 395 (in ANN) changed to 0. 963 in the combined model. The RMSE has also obtained 692.286 and 616.96 for SRC and ANN, respectively, whereas this value decreased to 603.094 for the combined model.