fa بررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابل‌رود تخصصي Special پژوهشي Research <p>&nbsp;<strong> برآورد بار رسوبی یکی از مهم&shy;ترین 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 </strong><strong>حاضر، به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان حمل رسوبات ایستگاه قرآن تالار بابل&shy;رود، از سیستم استنتاج فازی- عصبی تطبیقی ( </strong><strong>ANFIS </strong><strong>) به عنوان یکی از روش&shy;های هوش مصنوعی استفاده شده است. ابتدا، ترکیبات مختلفی بر حسب دبی&shy;های 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 نرم&shy;افزار </strong><strong>MATLAB </strong><strong>، مناسب‌ترین مدل بر اساس شاخص&shy;های 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 </strong><strong>نتایج نشان داد که روش </strong><strong>ANFIS </strong><strong>(08/0= </strong><strong>MSE </strong><strong>، 78/0= </strong><strong>EF </strong><strong>و 72/0= </strong><strong>R² </strong><strong>) از صحت و دقت بالاتری نسبت به منحنی سنجه (16/0= </strong><strong>MSE </strong><strong>، 57/0= </strong><strong>EF </strong><strong>و 73/0= </strong><strong>R² </strong><strong>) برخوردار است و عملکرد بهتری در برآورد بار رسوب معلق دارد. </strong></p> <span 11pt="" b="" calibri="" en-us="" fa="" font-size:="" mso-ansi-language:="" mso-bidi-font-family:="" mso-bidi-language:="" mso-fareast-font-family:="" mso-fareast-language:="" new="" style="LINE-HEIGHT: 115% FONT-FAMILY: " times="">Sediment load estimation is one of the most important issues in rivers & dam reservoirs management and generally in water projects. Various empirical equations show that proper analytical or empirical method is not suggested for correct estimation of suspended sediment, yet. In the present study, to assessment of closer estimation to actual data of transported sediment in Ghoran Talar station located in Babolroud River, the adaptive neuro-fuzzy inference system (ANFIS) technique is used as an Artificial Intelligence method. At first, various combinations of discharges based on time delay is considered as input parameters and the suspended sediment load is applied as output of the model. After Learning the network and assessment of the best structure according to type, number of membership function and related rules by use of MATLAB software, appropriate model is obtained based on statistical indices viz. mean square error, model efficiency and determination coefficient. As a result, one dimensional input according to Sugeno inference system with two triangular membership functions is introduced as an appropriate model and is compared with sediment rating curve values. Finally, the results showed that ANFIS method (MSE=0.08, EF=0.78, R²=0.72) has higher accuracy than sediment rating curve (MSE=0.16, EF=0.57, R²=0.73) and has better efficiency in suspended sediment load estimation.</span> بابل‌رود, بار معلق, تابع عضویت, فازی- عصبی, منحنی سنجه, ANFIS Babolroud, Suspended load, Membership function, Neuro-fuzzy, Rating curve, ANFIS 15 23 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-83&slc_lang=fa&sid=1 عیسی کیا 10031947532846008005 10031947532846008005 No دانشگاه علوم کشاورزی و منابع طبیعی ساری علیرضا عمادی 10031947532846008006 10031947532846008006 Yes دانشگاه علوم کشاورزی و منابع طبیعی ساری رامین فضل اولی 10031947532846008007 10031947532846008007 No دانشگاه علوم کشاورزی و منابع طبیعی ساری