مقایسه دو روش شبکه عصبی مصنوعی و منحنی سنجه رسوب در برآورد رسوب معلق، مطالعه موردی: رودخانه جراحی، استان خوزستان

فرایند فرسایش و انتقال رسوب در رودخانه ها یکی از مهم ترین و پیچیده ترین موضوعات مهندسی رودخانه است. با توجه به اینکه در رودخانه ها همواره فرسایش و انتقال رسوب صورت می گیرد؛ بررسی ظرفیت حمل رسوب جریان و مکانیسم انتقال رسوب با توجه به هیدرولیک رودخانه و مورفولوژی آن، از اهمیت ویژه ای برخوردار است. در این تحقیق سعی شده است که کارایی شبکه های عصبی مصنوعی در پیش بینی رسوب معلق، مورد ارزیابی قرار گیرد. با استفاده از روش شبکه عصبی مصنوعی (مدل پرسپترون چندلایه)، رسوب معلق در ایستگاه هیدرومتری گرگر رودخانه جراحی خوزستان پیش بینی و نتایج با منحنی سنجه رسوب مقایسه شده است. بر اساس نتایج به دست آمده، شبکه عصبی مصنوعی نتایج قابل قبولی را جهت شبیه سازی بار معلق در ایستگاه گرگر ارائه می کند و در مقایسه با منحنی سنجه رسوب از دقت بالاتری برخوردار است. همچنین نتایج نشان داد که شبکه عصبی مصنوعی نسبت به روش منحنی سنجه می تواند با دقت و اطمینان بیشتر (R2=0.952، RMSE=0.0185 و r2=0.93) برای تخمین بار معلق رسوب مورد استفاده قرار گیرد. البته لازم به ذکر است که شبکه عصبی، نقاط اوج را به درستی پیش بینی نمی کند و این از نقاط ضعف آن به شمار می رود.