مقايسه كارآيي مدل سنجه رسوب و شبكه عصبي مصنوعي در برآورد بار كف رودخانه‌ها

به دليل مشكلات نمونه‎برداري و عدم دقّت كافي معادلات تجربي، سنجش و گزينش مناسب‎ترين روش‎هاي برآورد رسوبات بار كف، اهمّيّت زيادي دارد.هدف پژوهش حاضر، مقايسه كارآيي مدل‎هاي آماري شبكه عصبي مصنوعي و منحني سنجه رسوب در برآورد رسوبات بار كف است؛ بدين منظور، ابتدا 5 ايستگاه هيدرومتري داراي بيشترين تعداد نمونه انتخاب شدند؛ سپس منحني سنجه رسوب و مدل شبكه عصبي مصنوعي با 70% داده‌هاي آنها ساخته و ارزيابي دقّت برآورد دو مدل با 30% باقيمانده نمونه‎ها انجام شد. نتايج نشان داد كه در تمامي ايستگاه‎ها، با افزايش مقادير دبي جريان، رسوبات بار كف نيز افزايش مي‌يابد. ميانگين سطح معني‎داري تفاوت بين مقادير مشاهداتي و برآوردي مدل شبكه عصبي مصنوعي (0.59) بالاتر از مدل منحني سنجه رسوب (0.14) است كه نشان‎دهنده تفاوت كمتر مقادير مشاهداتي و برآوردي مدل شبكه عصبي مصنوعي نسبت به مدل منحني سنجه رسوب و صحّت بيشتر برآوردهاي مدل شبكه عصبي مصنوعي است؛ همچنين در تمام ايستگاه‎ها، شاخص مجذور ميانگين مربعات خطا براي مدل شبكه عصبي مصنوعي كمتر از مدل منحني سنجه رسوب است، به طوري كه مجموع مجذور ميانگين مربعات خطاي پنج ايستگاه براي مدل شبكه عصبي مصنوعي و منحني سنجه رسوب به ترتيب برابر 2505.7 و 5195.3 محاسبه شد. بالاتر بودن ضريب همبستگي بين مقادير مشاهداتي و برآوردي در هر پنج ايستگاه، با استفاده از مدل شبكه عصبي مصنوعي (0.765) نسبت به مدل منحني سنجه رسوب (0.5038)، نشان از تخمين‎هاي دقيق‎تر مدل شبكه عصبي مصنوعي دارد. در نهايت، مدل شبكه عصبي مصنوعي كه از دقّت بالاتري نسبت به مدل سنجه بار كف برخوردار است، به عنوان مدل برتر انتخاب شد. با توجّه به مشكلات اندازه‎گيري رسوبات بار كف و اريب زياد ناشي از محاسبه بار بستر به عنوان درصدي از بار معلّق، نتايج اين پژوهش مي‎تواند كمك شاياني به برآورد دقيق‎تر بار بستر و نيز بار كلّ رسوبي نمايد.