مدلسازی مبتنی بر هوش محاسباتی در برآورد بار معلق رودخانه (ایستگاه باقرآباد قمرود)
نویسندگان
1 دکتری آبخیزداری و رئیس بخش فنی و مهندسی اداره کل منابع طبیعی استان مرکزی.
2 استادیار بخش حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مرکزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.
3 استادیار، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز ایران
4 استادیار بخش مهندسی رودخانه و سواحل، پژوهشکده حفاظت خاک و آبخیزداری کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران ایران.
5 استادیار پژوهشی، پژوهشکده حفاظت خاک و آبخیزداری کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران ایران.
doi
10.22092/idser.2023.361853.1540چکیده
برآورد مقدار رسوب رودخانه در طراحی و اجرای سازههای آبی و ساماندهی رودخانه اهمیت بهسزایی دارد. شبیهسازی و ارزیابی رسوب رودخانه از مسائل مهم و کاربردی در مدیریت منابع آب است. بنابراین دست یافتن به شیوه های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت زیادی است. هدف از این پژوهش ارزیابی و مقایسة مدلهای فازی- عصبی تطبیقی (ANFIS)، ماشین بردار پشتیبان (SVM) و برنامهریزی بیان ژن (GEP) در برآورد بار رسوب ایستگاه باقرآباد رودخانه قمرود استان مرکزی است. بدین منظور عملکرد سه نوع مدل ماشین بردار پشتیبان (SVM)، سیستم عصبی فازی-تطبیقی (ANFIS) و برنامهریزی بیان ژن (GEP) در شبیه سازی بار رسوبی رودخانه ها بررسی و نتایج بهدست آمده از این سه روش با یکدیگر و با نتایج منحنی سنجه مقایسه شد. نتایج بیانگر عملکرد قابل قبول مدل ها نسبت به منحنی سنجه است. برتری مدل (GEP) با بیشترین ضریب تعیین R2 با مقدار 0/99 و کمترین ریشه میانگین مربعات خطا RMSE بر حسب تن در روز با مقدار 0/010 نشان داده شد. در این خصوص کارآیی مدلSVR با R2 با مقدار 0/95 و RMSE برابر 1/49 تا حدی بهتر از مدل ANFIS با R2 با مقدار 0/91 و RMSE برابر 7/94 بود. نتایج به دست آمده همچنین نشان داد هر سه روش داده کاوی بررسی شده نسبت به منحنی سنجة رسوب، نتایج بهمراتب بهتری ارائه می کننند.
