علوم آب و خاک

  پیش­بینی میزان بار رسوب منتقل شده توسط رودخانه­ها، یکی از جنبه­های مهم مدیریت رودخانه­ها، مخازن سدها و به‌طور کلی پروژه­های آبی به‌شمار می­رود. در تحقیق حاضر به‌منظور پیش­بینی بار معلق رسوب رودخانه طالقان با استفاده از شبکه عصبی مصنوعی و شناسایی شبکه بهینه با بالاترین دقت، از ۵۰۰ داده روزانه متغیرهای دبی روز مورد‌نظر، دبی یک روز قبل، اشل و وضعیت هیدروگراف (به‌ترتیب با میانگین ( m^۳/s ) ۸۳/۱۳، ( m^۳/s ) ۴۲/۱۵، ( cm )۸۳/۸۹ و۰۳۶/۰-) به‌عنوان ورودی مدل و ۵۰۰ داده روزانه بار معلق رسوب متناظر، به‌عنوان خروجی مدل استفاده شد. داده­های مورد استفاده مربوط به بازه زمانی ۱۳۸۴- ۱۳۶۳، می­باشد. با ایجاد ترکیب­های متفاوتی از متغیرهای ورودی و هم‌چنین با تغییر تعداد نرون­های لایه پنهان و تابع آستانه، ۸۰ شبکه عصبی متفاوت ایجاد شد، که با مقایسه دو پارامتر R^{۲ و RMSE در مدل­های مختلف، دقت آنها بررسی شد. نتایج نشان داد که شبکه عصبی با ساختار ۱-۹-۳ و با ترکیب پارامتر­های ورودی شامل دبی روز مورد‌نظر، دبی یک روز قبل و اشل، با R۲ و RMSE آزمون، به‌ترتیب۹۷/۰ و ۰۶۸/۰ دارای بالاترین دقت می­باشد. بر‌اساس نتایج حاصل از شبکه ۱-۹-۳، میانگین داده­های رسوب مشاهداتی و پیش‌بینی شده توسط مدل بهینه (مربوط به بخش آزمون)، به‌ترتیب۸۰۲/۱۱۲۲ و ۹۲۴/ ۱۱۸۴ (تن در روز) می­باشد.}