تاثير نوسانات سطح آب و دبي جريان بر ميزان بار معلق با استفاده از شبكه هاي عصبي مصنوعي

Effects of Water Level and Flow Discharge Fluctuations on Suspended Sediment Load Using Artificial Neural Networks (Case study: Ahar Chay River)

بررسي رسوبات معلق در رودخانه ها و عوامل موثر بر آن يكي از مسايل مهم در مباحث مهندسي رودخانه است. در اين تحقيق تاثير متقابل نوسانات سطح آب و دبي جريان بر ميزان بار معلق با استفاده از شبكه هاي عصبي بررسي شد. بدين منظورحوضه آبريز اهر چاي با مساحتي بالغ بر2400 كيلومتر مربع از زير حوضه هاي آبريز ارس انتخاب گرديد. اطلاعات و داده هاي ايستگاه هاي تازه كند، اورنگ، كاسين، اشدلق و برميس در بالادست سد ستارخان مورد بررسي قرار گرفت. نتيجه بررسي ها نشان داد كه داده هاي سطح آب نسبت به دبي جريان از دقت كمتري در پيش بيني بار معلق برخوردار مي باشد. حداكثر ضريب همبستگي صحت سنجي براي داده هاي سطح آب 69/0 در ايستگاه اورنگ و كمترين آن 08/0 در ايستگاه اشدلق و براي داده هاي دبي حداكثر مقدار اين ضريب 84/0 در ايستگاه اشدلق و حداقل آن 7/0 در ايستگاه برميس حاصل شد. دليل عمده پايين بودن ضريب همبستگي برازش در برخي از ايستگاه ها را مي توان كم بودن تعداد داده ها، عدم دقت اندازه گيري سطح آب در مقايسه با دبي جريان، فقدان توالي زماني در داده ها بيان نمود. درسطح حوضه نيز روند كلي نتايج بدين صورت است كه از بالادست به پايين دست با افزايش ميزان دبي جريان و رسوب، نتايج شبكه عصبي از كيفيت بهتري درپيش بيني ميزان بار معلق برخوردار بود در حالي كه نوسانات سطح آب چنين روندي را نشان نداد.

Evaluation of suspended sediments and parameters affecting them is of great importance in river engineering. In this research the effects of water level and flow discharge fluctuations on suspended sediment load were studied using Artificial neural networks (ANNs). Ahar chay river basin, located in north of Iran, with area totaling about 2400 km2 as a sub-basin of Aras river was chosen. Data from Tazeh-Kand, Orang, Casein, Oshdologh and Bermice (upstream of Sattarkhan dam) stations were employed in ANNs method and the suspended sediment were predicted. The results showed that, suspended load forecasted by water level data had low accuracy than that forecasted by the flow discharge. The maximum and minimum coefficients of correlation for water level data were 0.69 and 0.08 in Orang and Oshdologh stations, respectively. The corresponding values for flow discharge were 0.84 in Oshdologh and 0.7 in Bermice. The main reason for the low coefficient of fittness in some stations probably were due to shortage of data, lack of temporal sequence and inaccuracy of water level fluctuations compared to the flow measurements. It appeared that, in this basin, in moving from high to low land with increasing discharge and sediment rates, the results of ANN became more reliable. Water level fluctuations did not show this trend.