امروزه برآورد دقیق بار رسوب معلق رودخانهای از جنبههای مختلف مهندسی منابع آب، مسائل
زیستمحیطی و کیفیت آب از اهمیت ویژهای برخوردار است. در این راستا، مدلهای هیدرولوژیکی حوزه، بهدلیل عوامل متعدد تاثیرگذار ثابت و متغیر، کارایی مناسبی در برآورد میزان رسوب معلق از خود نشان ندادهاند. همچنین اغلب مطالعات شبیهسازی برآورد رسوب معلق، تنها بر مبنای دبی جریان خروجی حوزه استوار است که نتایج حاصله نیز، گواه بر عدم کارآیی مطلوب آنها است. این در حالی است که عوامل تاثیرگذاری همچون نوع بارش، فصل سال و شکل هیدروگراف جریان که نقش عمدهای در این فرآیند ایفا مینمایند در شبیهسازی برآورد میزان رسوب معلق نادیده گرفته شدهاند. در پژوهش حاضر، از روش شبکه عصبی پرسپترون چند لایه و دادههای آب و هواشناسی (دبی و غلظت رسوب معلق روزانه جریان، متوسط بارش و دمای روزانه) حوزه آبخیز سد کرج در یک دوره زمانی 30 ساله (1360 تا 1390) بهمنظور برآورد غلظت رسوب معلق روزانه ایستگاه هیدرومتری سیرا استفاده شده است. در این روش، با توجه به نقش تغییرات فصلی و وضعیت جریان در تولید و انتقال رسوب حوزه، ابتدا بر اساس سه متغیر رژیم بارش، وضعیت هیدروگراف جریان و نوع رواناب حاصل از بارش، دادههای مورد استفاده به 5 گروه تفکیک و سپس برای هر گروه، مدل جداگانهای طراحی گردید. همچنین بهمنظور افزایش قدرت تعمیمدهی مدلها، از شبکه عصبی نگاشت خود سازمانده ( SOM ) جهت خوشهبندی و از شاخص سیلهوت، در تعیین تعداد بهینه خوشهها استفاده شد. نتایج پژوهش نشان داد که استفاده از متغیرهای بارش و دمای روزانه، بههمراه دبی جریان و تفکیک زمانی دادهها، نقش مهمی در افزایش دقت برآورد رسوب رودخانه داشته است. در این رابطه، بیشترین خطای محاسبه شده در بین مدلها زمانی است که برای تمامی فصول سال، تنها از یک مدل واحد، جهت برازش به دادهها استفاده میگردد. نتایج این پژوهش میتواند بهعنوان الگوئی مناسب در برآورد رسوب معلق سایر رودخانههای کشور مورد استفاده قرار گیرد.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |