پژوهشنامه مدیریت حوزه آبخیز

     برآورد میزان دقیق رسوبات معلق در رودخانه‌ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روش‌های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود می‌باشد که البته توانایی این روش‌ها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدل‌های سری زمانی شامل مارکف،  ARIMA و شبکه‌های عصبی در پیش­بینی رسوب معلق، از داده‌های روزانه ایستگاه قزاقلی واقع روی رودخانه گرگانرود استفاده شده است. داده‌های  موجود به‌صورت متوسط رسوب معلق ماهانه در محیط نرم­افزار Minitab 16  وNeurosolutions 5  به‌کار‌گرفته شد و در نهایت پیش­بینی رسوب برای 111 ماه انجام گرفت. در مرحله بعد، مقادیر پیش‌بینی شده توسط مدل‌های مختلف، با شاخص‌های اندازه‌گیری خطا شامل  RMSEوNMSE  نشان داد که شبکه‌های عصبی در مقایسه با مدل‌های سری زمانی توانایی بهتری در پیش‌بینی و مدل‌سازی رسوب ماهانه دارد و نیز در بین مدل‌های سری زمانی، مدل مارکف در مقایسه با مدل ARIMA دارای توانایی بهتری در برآورد رسوب معلق می باشد.