برآورد بار رسوبی یکی از مهمترین مسائلی است که در مدیریت رودخانهها و مخازن سدها و به طور کلی در پروژههای آبی اهمیت بسزائی دارد. تعداد روابط تجربی ارائه شده نشان میدهد هنوز روش تحلیلی یا تجربی مناسبی برای تخمین صحیح بار رسوب معلق پیشنهاد نشده است. در پژوهش حاضر، به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان حمل رسوبات ایستگاه قرآن تالار بابلرود، از سیستم استنتاج فازی- عصبی تطبیقی ( ANFIS ) به عنوان یکی از روشهای هوش مصنوعی استفاده شده است. ابتدا، ترکیبات مختلفی بر حسب دبیهای با تأخیر زمانی به عنوان پارامترهای ورودی و دبی رسوب معلق به عنوان خروجی شبکه در نظر گرفته شد. سپس با آموزش شبکه و تعیین ساختار مطلوب بر اساس نوع، تعداد تابع عضویت و قوانین مربوطه به کمک نرمافزار MATLAB ، مناسبترین مدل بر اساس شاخصهای آماری؛ میانگین مربعات خطا، کارآیی مدل و ضریب تبیین بدست آمد. در نتیجه، ورودی با ترکیب یک بعدی دارای سیستم استنتاج سوگنو با دو تابع عضویت مثلثی به عنوان مناسبترین مدل معرفی گردید و با نتایج حاصل از روش منحنی سنجه رسوب مورد مقایسه قرار گرفت. در نهایت نتایج نشان داد که روش ANFIS (08/0= MSE ، 78/0= EF و 72/0= R2 ) از صحت و دقت بالاتری نسبت به منحنی سنجه (16/0= MSE ، 57/0= EF و 73/0= R2 ) برخوردار است و عملکرد بهتری در برآورد بار رسوب معلق دارد.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |