ارزيابي كارايي ضرايب اصلاح اريب در روش منحني سنجه رسوب و مقايسه با مدل‌هاي هوشمند (ايستگاه جلوگير خوزستان ـ حوضه كرخه)

برآورد مقدار رسوب در رودخانه ها اهميت زيادي دارد و متخصصان نيز همواره بدان توجه داشته اند. منحني سنجه رسوب (SRC)، از جمله روش هاي مرسوم در برآورد ميزان بار رسوبات معلق در حوضه هاي آبخيز است كه رابطه بين دبي جريان و دبي رسوب را بيان مي كند. با توجه به اهميت اين موضوع، در اين پژوهش براي ارائه بهترين رابطه دبي رسوب ـ جريان در ايستگاه جلوگير واقع بر رودخانه كرخه در استان خوزستان، داده هاي دبي جريان و رسوب مربوط به سال هاي 1350 تا 1397 تهيه و انواع منحني سنجه شامل منحني يك خطي، حد وسط، ماهانه، فصلي و چندخطي (دو خطي و سه خطي) ترسيم شد. همچنين در اين پژوهش تلاش شد با استفاده از شاخص درصد بارش نرمال، داده ها در سه دسته خشك، نرمال و مرطوب، تفكيك و منحني سنجه براي هر كدام ترسيم شود. در نهايت، مدل بهينه منحني سنجه رسوب انتخاب و ضرايب اصلاحي شامل FAO، QMLE، Smearing، MVUE  و (Beta) β بر روي مدل اجرا شد. با توجه به معيارهاي ارزيابي RMSE، ME و P، رابطه به دست آمده براي تخمين رسوبات معلق، زماني كه داده ها به صورت ماهانه تفكيك شد، در ماه مرداد و با اعمال ضريب MVUE دقت بيشتري را به همراه داشت. در ادامه، نتايج به دست آمده از مدل آماري سنجه رسوب با مدل هاي هوش مصنوعي شامل دو مدل شبكه هاي عصبي پرسپترون چندلايه (MLP) و پايه شعاعي (RBF) مقايسه شد. نتايج نشان داد كه مدل شبكه عصبي نسبت به مدل رگرسيوني SRC، نتايج بهتري نشان مي دهد. مدل پرسپترون چندلايه با مقدار R و  RMSE به ترتيب برابر با 0.87 و 0.0712 نيز دقت خوبي نسبت به ساير مدل ها دارد.