كاربرد سه مدل هوشمند در برآورد بار معلق حوضه‌هاي آبخيز (مطالعه موردي: حوضه آبخيز دره‌رود، استان اردبيل)

تخمين بار معلق در طيف وسيعي از مسائل از قبيل طراحي مخازن سدها، برآورد ميزان فرسايش و رسوب گذاري اطراف پايه هاي پل و مديريت حوضه هاي آبخيز به كار گرفته مي شود. در اين پژوهش به منظور تخمين بار معلق حوضه دره رود، مقادير دبي و بار معلق در 16 ايستگاه هيدرومتري طي دوره مشترك آماري 15 ساله (94-1380) جمع آوري گرديد. پنج الگوي مختلف بر اساس ميزان تأثيرگذاري متغيرهاي دبي و خصوصيات فيزيوگرافي زيرحوضه ها شامل مساحت، شيب، ضريب شكل و شماره منحني بر بار معلق حوضه تعريف شد. ضمناً با در نظر گرفتن پارامترهاي مساحت و شيب، زيرحوضه ها به دو گروه اول و دوم تقسيم بندي شدند. عملكرد مدل هاي شبكه عصبي مصنوعي (ANN)، سامانه استنتاجي فازي عصبي تطبيقي (ANFIS) و برنامه ريزي بيان ژن (GEP) در پيش بيني بار معلق مورد بررسي قرار گرفت. نتايج نشان داد تخمين بار معلق با به كارگيري الگوي تركيبي شامل كليه خصوصيات فيزيوگرافي و دبي با بيشترين دقت همراه بود. در بين مدل هاي هوشمند بهترين عملكرد متعلق به مدل GEP بود. در گروه اول، اين مدل بيشترين ضريب تعيين (0.68=R2)، كمترين مقدار ريشه ميانگين مربعات خطا ( ton/day7.69=RMSE) و بيشترين ضريب نش-ساتكليف (0.55=NS) را در مقايسه با ساير مدل ها به خود اختصاص داد. در خصوص گروه دوم نيز مدل GEP با دارا بودن مقادير R2، RMSE و NS به ترتيب برابر با 0.72، 975.26 و 0.43 برتري محسوسي داشت. با استفاده از مدل GEP براي گروه هاي اول و دوم مدل هاي منطقه اي رسوب استخراج شد. طبق نتايج، طي سال هاي 941380 سالانه به طور ميانگين 6.33 ميليون تن رسوبات معلق توسط شبكه آبراهه ها در كل حوضه دره رود جابه جا شده و به طور متوسط سهم هر كيلومتر مربع حوضه، حدود 1000 تن بوده است.