پیش بینی رواناب و رسوب به کمک شبکه عصبی مصنوعی و رگرسیون چندمتغیره در مارن های آغاجاری

پدیده فرسایش و انتقال رسوب یکی از پیچیده ترین مسائل مدیریت حوزه زه کشی رودخانه هاست که در بررسی طرح های آبی اهمیت بسیاری دارد و اندازه گیری آن مستلزم صرف وقت و هزینه فراوانی است. مسئله رواناب سطحی در حوزه آبخیز رودخانه ها نیز موضوع پیچیده ای است که اطلاعات و فهم دانش بشری از قوانین فیزیکی حاکم بر آن بعضا از دیدگاه روابط ریاضی محدود است. در این تحقیق، به منظور مدل سازی تولید رواناب و رسوب کاربری های مختلف نهشته های سازند آغاجاری، بخشی از حوزه آبخیز مرغا در شهرستان ایذه به مساحت 1609 هکتار انتخاب شد. در این تحقیق، از برخی متغیرهای فیزیکی و شیمیایی خاک شامل درصد ماسه خیلی ریز، شن، رس، سیلت، اسیدیته، هدایت الکتریکی، رطوبت، کربنات کلسیم و شوری خاک و رواناب و رسوب در کاربری های مختلف سازند آغاجاری برای مدل سازی استفاده شد. بدین منظور از دستگاه شبیه ساز باران در 7 نقطه و با 3 تکرار در سه شدت مختلف 75/0، 1، و 25/1 میلی متر در دقیقه در سه کاربری مرتع، منطقه مسکونی، و اراضی کشاورزی میزان رواناب و رسوب اندازه گیری شد. همچنین، به همین تعداد، نمونه خاک از عمق 0 20 سانتی متری برداشت شد. در مجموع، تعداد 126 نمونه رواناب و رسوب جمع آوری شد و 189 آزمایش خاک انجام شد. به منظور تجزیه و تحلیل های آماری از نرم افزارهای11.5 SPSS، Excel، وMatlab 2008 استفاده شد. نتایج نشان داد که رگرسیون چندمتغیره در شرایطی با داده های ورودی زیاد و خروجی کم نتایج مطلوب تری در مقایسه با شبکه عصبی مصنوعی نشان می دهد. در شدت های بالای بارش به علت همگنی داده ها عملکرد شبکه عصبی نسبت به شدت های پایین بارش بهتر می شود. ولی، رگرسیون چندمتغیره در همه شدت های بارش بالا و پایین عملکرد بسیار قابل قبولی نشان داد. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 75/0 میلی متر در دقیقه در رگرسیون چندمتغیره 2/7 درصد و میزان مجذور میانگین مربعات خطا 06/0 است و در شبکه عصبی در همین شدت متوسط خطای نسبی 9/146 درصد و مجذور میانگین مربعات خطا 41/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 1 میلی متر در دقیقه در رگرسیون چندمتغیره 5/8 درصد و میزان مجذور میانگین مربعات خطا 19/0 است و در شبکه عصبی در همین شدت متوسط خطای نسبی 36/96 درصد و مجذور میانگین مربعات خطا 85/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 25/1 میلی متر در دقیقه در رگرسیون چندمتغیره 8/1 درصد و میزان مجذور میانگین مربعات خطا 38/0 است و در شبکه عصبی در همین شدت متوسط خطای نسبی 6/37 درصد و مجذور میانگین مربعات خطا 73/0 است.