اثر كلاسه بندي دبي و تفكيك زماني داده ها در برآورد بار معلق رودخانه ها به كمك شبكه عصبي مصنوعي ( مطالعه موردي؛ بابل رود)

برآورد صحیح دبي رسوب معلق رودخانه ها در مديريت منابع آب اهمیت فراواني دارد. در تحقیق حاضر با كلاسه بندي دبي و تفكیك زماني داده ها، هفت مدل پیشنهاد گرديد. براي برقراري رابطه رگرسیوني بین داده هاي دبي جريان و دبي رسوب مدل هاي پیشنهادي، بجاي استفاده از منحني سنجه با روش حداقل مربعات خطا كه نیازمند انجام محاسبات نسبتاً طولاني مي باشد، از روش شبكه عصبي پرسپترون چندلايه پیش خور با قاعده يادگیري LM استفاده شد. آنگاه مناسب ترين مدل بر اساس شاخص هاي آماري حداقل میانگین مربعات خطا و ضريب تبیین انتخاب گرديد. در اين راستا از آمار دبي متوسط جريان و غلظت متوسط رسوب اندازه گیري شده به صورت روزانه در طول يك دوره طولاني مدت 23 ساله، از سال آبي 1331 تا 1331 در ايستگاه هیدرومتري قرآن طالار واقع بر رودخانه بابل رود استفاده شده است. نتايج نشان داد كه استفاده از شبكه عصبي مصنوعي تا اندازه زيادي محاسبات را ساده تر نموده و به میزان قابل قبولي از مقدار خطا مي كاهد.