TY - JOUR ID - 74224 TI - مدل‌سازی رسوبات معلق رودخانه با استفاده از محاسبات نرم(مطالعه موردی: رودخانه دره‌رود) JO - نشریه علمی پژوهشی مهندسی آبیاری و آب ایران JA - IWE LA - fa SN - 2251-7359 AU - نیک پور, محمدرضا AU - ثانی خانی, هادی AD - گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران AD - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران Y1 - 2018 PY - 2018 VL - 8 IS - 2 SP - 29 EP - 44 KW - کلمات کلیدی: بار معلق KW - برنامه‌ریزی بیان ژن KW - دره‌رود KW - رگرسیون بردار پشتیبان KW - فازی- عصبی تطبیقی DO - N2 - چکیده جابه­جایی و ته­نشینی بار معلق رودخانه­ها باعث بروز مشکلات زیادی از جمله رسوب­گذاری در مخازن سدها، تغییر مسیر رودخانه­ها به دلیل رسوب­گذاری در بستر آن­ها، کاهش ظرفیت آبگذری آبراهه­ها و تأسیسات انتقال آب و همچنین تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی می­شود. در این پژوهش از مدل­های فازی- عصبی تطبیقی (ANFIS)، برنامه ریزی بیان ژن (GEP) و رگرسیون بردار پشتیبان (SVR) جهت مدل­سازی و پیش­بینی میزان رسوبات معلق حوضه آبریز دره­رود در استان اردبیل استفاده شد. در این راستا از داده­های رسوب و دبی جریان ایستگاه­ هیدرومتری مشیران بر روی رودخانه دره­رود (واقع در بالادست سد عمارت) استفاده شد. پس از آزمون هشت سناریوی مختلف توسط مدل SVR، الگوی ترکیبی شامل مقادیر دبی جریان در همان روز، دبی جریان و رسوب معلق در گام زمانی قبل به­عنوان بهترین الگو شناخته شد. الگوی مذکور برای مدل­های ANFIS و GEP نیز به­عنوان ورودی استفاده شد. نتایج بیانگر عملکرد قابل قبول مدل­ها و برتری مدل SVR با بیشترین ضریب تعیین (97/0=R2)، کمترین ریشه میانگین مربعات خطا ( ton/day17343=RMSE) و همچنین شاخص­های نش-ساتکلیف (97/0=NS) و ویلموت (98/0=WI) در مرحله صحت­سنجی بود. علاوه بر آن، توزیع فراوانی قدر مطلق خطای پیش­بنی و نمودار جعبه­ای توزیع خطای پیش­بینی مدل­های هوشمند نیز تأیید کننده عملکرد بهتر مدل SVR بود. ضمناً، کارآیی مدل ANFIS تا حدی بهتر از مدل GEP بود. ضرایب و توابع به­کار رفته برای واسنجی مدل­های هوشمند مورد استفاده در این پژوهش می­تواند برای تخمین رسوبات معلق ایستگاه­های مجاور فاقد آمار دارای شریط زمین­ساختی و هیدرولوژیکی یکسان در سطح منطقه بسیار مفید واقع شود. UR - https://www.waterjournal.ir/article_74224.html L1 - https://www.waterjournal.ir/article_74224_cd71920e59f1dabd757c1f7dfe107923.pdf ER -