مدل‌سازي رسوب معلق با استفاده از الگوريتم‌هاي يادگيري ماشين در دوره‌هاي كم‌آبي و پرآبي (مطالعه موردي: حوزه آبخيز كشكان)

در اين پژوهش با استفاده از الگوريتم‌هاي يادگيري به بررسي كارايي مدل‌هاي RF، RepTree، GP-PUK، GP-RBF و M5P براي مدل‌سازي بار معلق رودخانه در استان لرستان شامل حوزه‌هاي آبخيز خرم‌آباد، بيرانشهر و الشتر پرداخته شد. براي انجام اين كار از داده‌هاي ورودي بارش، دبي، دبي يك روز قبل و ميانگين دبي و دبي يك روز قبل هم‌چنين داده خروجي رسوب معلق در بازه زماني 18 ساله (سال‌هاي 79-80 تا 96-97) استفاده شد. با استفاده از داده‌هاي در دسترس منحني تداوم جريان و منحني سنجه رسوب را به‌دست آورده سپس با استفاده از داده‌هاي دبي براي هر ايستگاه حد تعيين دوره كم‌آبي و دوره پرآبي مشخص شد، سپس رسوب معلق به دو دوره رسوب معلق كم‌آبي و پرآبي تقسيم شد، سپس مدل‌سازي داده‌ها (70 درصد داده‌هاي آموزش و 30 درصد داده‌هاي آزمايش) با استفاده از مدل‌هاي ذكر شده انجام شد. نتايج نشان داد باتوجه به معيارهاي ارزيابي مدل GP با دو كرنل PUK و RBF در دوره كم‌آبي و پرآبي عملكرد بهتري را نسبت به ساير مدل‌ها (RF, RepTree, M5P) داشته است. با توجه به نتايج بخش آزمايش مدل GP-PUK بهترين نتيجه را به ما داده است كه به‌ترتيب ضريب همبستگي، ريشه ميانگين مربعات خطا و ميانگين خطاي مطلق در ايستگاه بهرام‌جو 0.55، 0.42 و 0.27، هم‌چنين ايستگاه چم‌انجير 0.74، 0.18 و 0.80، در ايستگاه سراب صيدعلي 0.71، 0.16 و 0.07 و در آخر ايستگاه كاكارضا 0.73، 0.24 و 0.15 به‌دست آمده است. در مجموع مدل GP-PUK به‌عنوان مدل برتر، قدرت بالاتري براي مدل‌سازي همه ايستگاه‌ها در رسوب معلق دوره پرآبي و كم‌آبي در بخش آزمايش بوده است. لذا با توجه به نتايج به‌دست آمده از اين پژوهش مي‌توان از اين مدل‌هاي بهينه براي صرفه‌جويي در هزينه و زمان براي بحث حفاظت آب و خاك و تخمين رسوب معلق خروجي از حوزه‌هاي آبخيز استفاده كرد. هم‌چنين مي‌توان براي اجراي مديريت بهتر در رابطه با كميت و كيفيت آب‌هاي سطحي، اين مدل‌ها براي تخمين رسوبات معلق ايستگاه‌هاي مجاور فاقد آمار داراي شرايط زمين‌ساختي و هيدرولوژيكي يكسان در سطح منطقه مورد استفاده قرار گيرند و نتايج قابل اعتمادي در رابطه با رسوب معلق ارائه دهند.