برآورد ميزان رسوب حوضه رود ارس با استفاده از شبكه هاي عصبي مصنوعي (مطالعه موردي: زيرحوضه دره رود)

Estimate of the Aras River Basin Sediment through Artificial Neural Network (Case Study: Dareh Roud Sub basins

يكي از روش­ هاي نوين در زمينه­ پيش­بيني­ فرآيندهاي هيدرولوژيكي و ژئومورفولوژيكي شبكه ­هاي عصبي مصنوعي از مؤلفه­ هاي هوش مصنوعي است كه در جهت پياده­ سازي ويژگي­هاي شگفت انگيز مغز انسان در يك سيستم مصنوعي مي­ كوشند و ابزاري قدرتمند در زمينه­ ي مدل­سازي و پيش­بيني پارامترهاي ژئومورفولوژي­­اند كه در اين پژوهش جهت برآورد ميزان رسوب حوضه­ رود ارس استفاده شده است. بدين منظور از آمار دبي، رسوب و بارش ماهانه ايستگاه هيدرومتري بران واقع در حوضه آبريز دره رود از زير حوضه­ هاي مهم حوضه­ رود ارس در دشت مغان در طول دوره آماري 34 ساله (سال آبي 54-53 تا 87-86) استفاده گرديد. بدين صورت كه ميزان دبي و بارش به عنوان ورودي­هاي شبكه عصبي مصنوعي و ميزان رسوب به عنوان خروجي شبكه در نظر گرفته شدند. به منظور پياده­ سازي مدل از امكانات و توابع موجود در محيط برنامه نويسي نرم افزارهاي MATLAB/2010 و SPSS/21 بهره گرفته شد. سپس به ارزيابي عملكرد مدل، از طريق معيارهاي آماري از جمله ضريب تعيين، مجذور ميانگين مربعات خطا، ميانگين مربعات خطا، ميانگين مطلق خطا، ضريب همبستگي و همچنين ميانگين درصد نسبي خطا پرداخته شد. نتايج به دست آمده ضمن تأييد توانايي مدل شبكه عصبي مصنوعي نشان داد كه انطباق خوبي بين مقادير پيش­بيني شده و مشاهداتي وجود دارد به‌طوري كه ميانگين خطاي اين مدل با داده­ هاي مشاهداتي برابر 0/9 درصد و ضريب همبستگي 0/99 است كه در سطح 0/01 نيز معني­دار گشته است. نتايج حاصل از اين پژوهش نشان داد كه مدل شبكه‌ عصبي مصنوعي از دقت بالايي در برآورد ميزان رسوب در حوضه مورد بررسي برخوردار است. نتايج حاصل مي ­تواند در مديريت و برنامه ­ريزي حوضه­ هاي آبخيز و مديريت منابع آبي و طبيعي بويژه در بخش ­هاي كشاورزي، صنعت، شرب و همچنين پيش­بيني وضعيت رسوب­ گذاري در مخزن سدها مفيد باشد.

One of the new techniques in the field of predicting hydrological and geomorphologic processes is artificial neural network from the components of artificial intelligence which are trying to implement the amazing features of human brain in an artificial system and are powerful tools in the field of modeling and predicting geomorphologic parameters and in this study have been used for the prediction of sediment in Aras basin. For this purpose was used information of discharge, sedimentation and prediction monthly on Borran hydrometric station located in the Basin of Darreh Roud that is from the main sub basin of Aras river in Moghan plain during the period of 34 years (water year of 53-54 to 86-87). So that the discharge and precipitation rate as inputs to the neural network and sediment was considered the output of network. For this purpose used the facilities and functions available in programming environment MATLAB / 2010 and SPSS / 21 software. Then models were evaluated through statistical parameters such as the determination coefficient, root mean square error, mean square error, mean absolute error, correlation coefficient and also mean percentage relative error. The results, in addition to confirming the capability of artificial neural network model, showed that, there is good correspondence between predicted values and observed data. So that the error mean of this model with the observed data is 0.9 and correlation coefficient is 0.99 which is significant at 0.01.The results of this study showed that the artificial neural. Network model has more accuracy in the estimation of sediment at the investigated basin. The results can be useful in planning and management of water and watersheds and natural resource management, especially in agriculture, industry, drinking and Forecast of Reservoir Sedimentation.