تخمین رسوب دهی حوزه های آبریز با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی حوزه آبریز رودخانه مرک)

چکیده مقاله

جریان رسوب مشابه جریان آب از توزیع‌های آماری مختلفی تبعیت می‌کند و پارامترهای موثر زیادی در معادلات کمی و انتقال رسوب دخالت دارند. از طرفی برآورد رسوب رودخانه‌ها در طراحی سازه های هیدرولیکی، کاهش اثرات زیان بار ترسیب در مخازن و مشکلات تصفیه آب شرب ضرورت دارد که در این تحقیق پیش بینی رسوب سیلابی رودخانه مرک کرمانشاه با استفاده از شبکه‌های عصبی مصنوعی هدف اصلی است. شبکه عصبی پیشنهاد شده شامل ورودی‌های بارش چهار ایستگاه باران سنجی منطقه، درصد رطوبت نسبی و درجه حرارت ماکزیمم و مینیمم محیط می‌باشند و خروجی شبکه، دبی رسوب معلق روزانه رودخانه می‌باشد. پس از بررسی حالات مختلف برای بدست آوردن بهترین توپولوژی شبکه عصبی مشخص شد که یک شبکه عصبی با 13 گره و یک لایه مخفی، کمترین خطای ممکن را تولید می‌کند. کنترل دقت محاسبات بوسیله محاسبه ضریب نیکویی برازش R، ریشه میانگین مربعات خطا RMSE، میانگین خطای مطلقMAE و حداکثر خطاME  صورت گرفت. محاسبات نشان داد که دقت شبکه عصبی برای تخمین رسوب سیلابی روزانه رودخانة فوق در حد مطلوبی می‌باشد. علاوه بر این استفاده از این شبکه‌های عصبی در مقایسه با سایر روش‌ها برای برآورد رسوب معلق نیاز به اطلاعات کمتری داشته و همچنین زمان محاسبات نیز بسیار کمتر است. در نتیجه شبکه عصبی یک ابزار مناسب برای تخمین رسوب رودخانه می باشد. در پایان آنالیز حساسیت برای تعیین درجه اهمیت هر یک از گره‌های ورودی انجام گرفت، که میزان تأثیر هر یک از گره‌های ورودی در جواب نهایی شبکه را مشخص نمود. تحلیل حساسیت می‌تواند با حذف ورودی‌های با درجة اهمیت کمتر سودمند باشد، که این عمل تأثیر ناچیزی در دقت شبکه داشته ولی کاهش قابل توجهی در حجم اطلاعات ورودی به شبکه و در نتیجه هزینه های آمار برداری خواهد داشت.