استفاده از مدل‌هاي هوش مصنوعي براي مدل‌سازي رسوب معلق در حوضه‌هاي با اجراي عمليات آبخيزداري (منطقه مورد مطالعه: حوضه قلعه‌گل استان لرستان)

در سال هاي اخير عمليات اجرايي زيادي از نظر كنترل سيل، فرسايش و رسوب در زمينه هاي تحقيقاتي، مطالعاتي و اجرايي آبخيزداري انجام شده است. لذا اين تحقيق با هدف استفاده از برخي مدل هاي هوش مصنوعي براي مدل سازي رسوب معلق خروجي دو زيرحوضه شمالي و جنوبي حوزه آبخيز قلعه گل استان لرستان انجام شد. در اين تحقيق براي اندازه گيري رسوب معلق و جريان خروجي هر دو زيرحوضه، در زمان شروع بارندگي تا پايان بارندگي و رسيدن ارتفاع جريان رودخانه به دبي پايه، اندازه گيري سرعت جريان و نمونه‌برداري از بار رسوب معلق و جريان خروجي به صورت مستقيم و ميداني از زير حوضه ها انجام گرفت. در ادامه از الگوريتم هاي يادگيري GP (با دو كرنل PUK و RBF)، MLP و RF براي  مدل سازي رسوب معلق استفاده شد. داده‌هاي ورودي مدل ها شامل داده هاي هم‌زمان دما، بارش و دبي جريان و داده خروجي شامل رسوب معلق خروجي بود. در اين تحقيق براي مدل‌سازي در مرحله آموزش 70 درصد داده‌ها و در مرحله آزمايش 30 درصد باقي مانده مورد استفاده قرار گرفتند.  در نهايت براي مقايسه نتايج مدل هاي مختلف و انتخاب بهترين مدل، از معيارهاي سنجش خطاي ريشه ميانگين مربعات خطا (RMSE)، ضريب همبستگي (C.C) و ميانگين مربعات خطا (MAE) استفاده شد. نتايج بخش اندازه گيري ميداني و آزمايشگاهي نشان داد كه در تمام اندازه گيري ها ميزان دبي و رسوب زيرحوضه جنوبي با عمليات آبخيزداري اجرا شده بيش از زيرحوضه شمالي بدون اجراي عمليات آبخيزداري بود. علاوه بر اين نتايج حاصل از ارزيابي مدل ها نشان داد كه در زيرحوضه هاي شمالي و جنوبي، مدل GP-RBF داراي بهترين نتايج بوده كه اين نتايج براي بخش آزمايش زيرحوضه شمالي با توجه به معيارهاي ارزيابي C.C، RMSE، MAE و NSE به ترتيب برابر 0/9509، 0/067، 0/041 و 0/0924 همچنين در بخش آزمايش زيرحوضه جنوبي مقدار اين معيارها به ترتيب برابر 0/966، 0/048، 0/037 و 0/932 است و به عنوان بهترين مدل انتخاب شد. تحليل حساسيت پارامترهاي ورودي مدل GP-RBF نشان داد كه دبي جريان خروجي مهم‌ترين ويژگي ورودي در پيش بيني رسوب معلق خروجي براي هر دو زيرحوضه شمالي و جنوبي بود.