یاسمن عطایی؛ محمد رضا نیک پور؛ امین کانونی؛ یاسر حسینی
چکیده
تخمین بار معلق در طیف وسیعی از مسائل از قبیل طراحی مخازن سدها، برآورد میزان فرسایش و رسوبگذاری اطراف پایههای پل و مدیریت حوضههای آبخیز بهکار گرفته میشود. در این پژوهش بهمنظور تخمین بار معلق حوضه درهرود، مقادیر دبی و بار معلق در 16 ایستگاه هیدرومتری طی دوره مشترک آماری 15 ساله (94-1380) جمعآوری گردید. پنج الگوی مختلف ...
بیشتر
تخمین بار معلق در طیف وسیعی از مسائل از قبیل طراحی مخازن سدها، برآورد میزان فرسایش و رسوبگذاری اطراف پایههای پل و مدیریت حوضههای آبخیز بهکار گرفته میشود. در این پژوهش بهمنظور تخمین بار معلق حوضه درهرود، مقادیر دبی و بار معلق در 16 ایستگاه هیدرومتری طی دوره مشترک آماری 15 ساله (94-1380) جمعآوری گردید. پنج الگوی مختلف بر اساس میزان تأثیرگذاری متغیرهای دبی و خصوصیات فیزیوگرافی زیرحوضهها شامل مساحت، شیب، ضریب شکل و شماره منحنی بر بار معلق حوضه تعریف شد. ضمناً با در نظر گرفتن پارامترهای مساحت و شیب، زیرحوضهها به دو گروه اول و دوم تقسیمبندی شدند. عملکرد مدلهای شبکه عصبی مصنوعی (ANN)، سامانه استنتاجی فازی- عصبی تطبیقی (ANFIS) و برنامهریزی بیان ژن (GEP) در پیشبینی بار معلق مورد بررسی قرار گرفت. نتایج نشان داد تخمین بار معلق با بهکارگیری الگوی ترکیبی شامل کلیه خصوصیات فیزیوگرافی و دبی با بیشترین دقت همراه بود. در بین مدلهای هوشمند بهترین عملکرد متعلق به مدل GEP بود. در گروه اول، این مدل بیشترین ضریب تعیین (68/0=R2)، کمترین مقدار ریشه میانگین مربعات خطا ( ton/day69/7=RMSE) و بیشترین ضریب نش-ساتکلیف (55/0=NS) را در مقایسه با سایر مدلها به خود اختصاص داد. در خصوص گروه دوم نیز مدل GEP با دارا بودن مقادیر R2، RMSE و NS بهترتیب برابر با 72/0، 26/975 و 43/0 برتری محسوسی داشت. با استفاده از مدل GEP برای گروههای اول و دوم مدلهای منطقهای رسوب استخراج شد. طبق نتایج، طی سالهای 94-1380 سالانه بهطور میانگین 33/6 میلیون تن رسوبات معلق توسط شبکه آبراههها در کل حوضه درهرود جابهجا شده و بهطور متوسط سهم هر کیلومتر مربع حوضه، حدود 1000 تن بوده است.
