RT - Journal Article T1 - The Effectiveness of Intelligent Models in Estimating the River Suspended Sediments (Case Study: Babaaman Basin, Northern Khorasan) JF - jwmr YR - 2017 JO - jwmr VO - 7 IS - 14 UR - http://jwmr.sanru.ac.ir/article-1-760-fa.html SP - 95 EP - 88 K1 - Artificial Neural Network K1 - Decision Tree K1 - Sediment Rating Curve K1 - Suspended Load K1 - Support Vector Machine AB - برآورد دقیق مقدار رسوبات حمل شده توسط رودخانه‏ها در پروژه‏های آبی، از اهمیت بسیاری برخوردار است و لذا شناسایی و پیشنهاد روش­های مناسب جهت برآورد دبی رسوبات معلق از اهداف مهمی تلقی می­شود که بایستی بر اساس تحقیقات مرتبط به انجام برسد. از جمله‏ این روش‏ها می‏توان به روش‏های یادگیری ماشین از جمله مدل درختان تصمیم‏گیری، ماشین بردار پشتیبان و شبکه عصبی مصنوعی اشاره کرد. در این پژوهش، کارایی این تکنیک‏ها در پیش‏بینی میزان دبی رسوبات معلق حوزه آبخیز باباامان بجنورد مورد بررسی قرار گرفت. داده­های ورودی برای پیش‏بینی رسوبات معلق حوزه باباامان در این پژوهش عبارتند از: دبی‏جریان، دبی رسوب معلق، بارش و تبخیر، که مربوط به دوره‏ آماری از سال 1349 تا سال 1380 است. جهت ارزیابی دقت و صحت نتایج این مدل‏ها، معیار‏های آماری MAE، RMSE، R استفاده شدند. در نهایت نتایج معیار­های آماری R و RMSE به ترتیب برای مدل منحنی سنجه 80/0 و 77/55863، مدل شبکه عصبی 98/0 و 28/1، مدل درخت تصمیم 96/0 و 56/48881 و مدل ماشین بردار پشتیبان 99/0 و 6998/0 است. مقادیر به دست آمده نشان داد که ماشین بردار پشتیبان در مقایسه با روش‏های نامبرده، تطابق بسیار بیش­تری با مقادیر اندازه‏گیری شده داشته است. LA eng UL http://jwmr.sanru.ac.ir/article-1-760-fa.html M3 10.29252/jwmr.7.14.95 ER -