فهرست نشریات علمی دسترسی آزاد ایران

استفاده از روش‌های مناسب برای تخمین بار رسوب از دیر باز مورد توجه متخصصین مسائل رودخانه­ای قرار گرفته است. در این تحقیق با استفاده از دو روش­ هوش مصنوعی شامل برنامه­ریزی ژنتیک (GP) مبتنی بر گراف و روش توابع پایه شعاعی (RBF) و استفاده از آمار و اطلاعات 12 ساله چهار ایستگاه هیدرومتری گوراب، سرکمر، جاده دهلران و بیات بر روی رودخانه میمه در استان ایلام، بار رسوب معلق رودخانه تخمین زده شد. در این تحقیق، پارامترهای شماره ماه و دبی رودخانه، به عنوان پارامتر ورودی و بار رسوب رودخانه، به عنوان پارامتر خروجی، بکار گرفته شد. در معادلات به دست آمده از روش برنامه­ریزی ژنتیک (GP)، بیش­ترین همبستگی به­دست آمده مربوط به ایستگاه هیدرومتری گوراب با 18/99 درصد و کم­ترین همبستگی به­دست آمده مربوط به داده­های تجمیع شده چهار ایستگاه هیدرومتری با 17/92 درصد می­باشد. در روش توابع پایه شعاعی (RBF)، حداکثر همبستگی داده­های آموزشی و آزمایشی مربوط به ایستگاه بیات به ترتیب با 100 و 20/94  درصد حاصل شد. نتایج نشان‌دهنده دقت بالای تخمین بار رسوب در ایستگا­ه­های هیدرومتری مورد مطالعه می­باشد. نتایج نشان داد روش توابع پایه شعاعی (RBF) در تخمین بار رسوب معلق رودخانه میمه، عملکرد بهتری نسبت به روش برنامه­ریزی ژنتیک (GP) داشته است.