فهرست نشریات علمی دسترسی آزاد ایران

برآورد رسوب معلق رودخانه‌ها، یکی از فرآیندهای مهم مهندسی رودخانه و منابع آبی است که نقش مهمی در طراحی و ساخت سازه‌های آبی، مدیریت فرسایش و رسوب در سطح حوزه‌های آبخیز دارد. پیش‌بینی بار رسوب رودخانه‌‌ها، با توجه به ساختار غیر خطی و پیچیده آن‌ها کار ساده‌ای نیست. تاکنون مدل‌سازی‌های مختلفی به‌منظور پیش‌بینی روند بار رسوبی معلق در رودخانه‏ها صورت گرفته است. لیکن این پژوهش، در راستای ارزیابی و توسعه روش‏های پیش‏بینی، به بررسی کارایی مدل‏های سری‏زمانی و شبکه عصبی مصنوعی در شبیه‌سازی داده‌های رسوب می‏پردازد. بر این اساس، داده‌های رسوب در ایستگاه هیدرومتری اوهایو واقع در ایالت متحده (1992 تا 2014) اخذ و در قالب سری‏زمانی و شبکه عصبی برای آن‏ها الگوسازی شد. نتایج آزمون ریشه واحد نشان داد، سری رسوب در سطح، ایستا است و با استفاده از روش باکس- جنکینز بر روی این داده‌ها، الگوی مناسب برای پیش‌بینی رسوب تعیین شد. با به‌کارگیری الگوی آرما و مدل شبکه عصبی مصنوعی به پیش‌بینی بار رسوبی معلق برای 5 سال آینده پرداخته شد. نتایج نشان داد که مدل آرما با خطای جذر میانگین مربعات 4/67 و ضریب تعیین 0/56از دقت بالاتری در پیش‌بینی بار رسوبی معلق برخوردار است.