مقايسه روش هاي شبكه هاي عصبي مصنوعي، فازي-عصبي تطبيقي و منحني سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردي: رودخانه آجي چاي)

Comparison of Artificial Neural Networks, Adaptive Neuro-Fuzzy and Sediment Rating Curve Models for Estimating Suspended Sediment Load of Ajichay River

ارايه راهكاري مناسب جهت برآورد دقيق بار معلق رودخانه ها در پروژه هاي آبي، مهندسي رودخانه و آبياري كاربردهاي فراواني دارد. به دليل تاثير پارامترهاي مختلف بر انتقال رسوبات در رودخانه ها، تعيين معادلات حاكم بر آن مشكل بوده و مدل هاي رياضي نيز در اين راستا از دقت كافي برخوردار نيستند. امروزه استفاده از سيستم هاي هوش مصنوعي به عنوان راهكاري جديد در تحليل مسايل آبي، گسترش يافته است. در تحقيق حاضر منطق فازي-عصبي و شبكه هاي عصبي، براي تعيين ميزان رسوبات معلق رودخانه آجي چاي به كار برده شد و با استفاده از داده هاي دبي ،رسوب و اشل، مدل هاي مذكور و منحني سنجه رسوب تهيه گرديد. همچنين دوره هاي آماري به سه فصل تر، خشك و ذوب برف تقسيم شده و كليه مدلها براي اين سه دوره مورد آزمايش قرار گرفتند. نتايج حاصل از اين تحقيق نشان داد كه منطق فازي-عصبي در مقايسه با شبكه هاي عصبي و منحني سنجه از دقت بيشتري در برآورد رسوبات معلق رودخانه برخوردار است.

In water construction projects, river engineering, and irrigation and drainage engineering, it is vital to estimate the accurate volume of the sediment transported by rivers. As the sediment transport phenomenon is an immensely complex problem, therefore presenting an appropriate solution for precise evaluation of the suspended load in rivers is tedious and the mathematical models are not also accurate enough to be applied. Nowadays application of artificial intelligence systems has been developed as a novel solution in analysis of water resources problems. In this research, the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Artificial Neural Networks (ANNs) models were utilized to determine suspended sediment rate of Ajichay River. Discharge, sediment load and water level data were used to prepare the models and obtain sediment rating curves. The statistical period is also divided into three seasons, namely dry, wet and snow melting. The accuracy of the models for these periods has been tested. The results showed that ANFIS neuro-fuzzy had better accuracy for determination of suspend sediment loads in comparison with both the ANNS and the rating curve. YY Keywords: Adaptive neuro-fuzzy inference system (ANFIS), Ajichay river, Artificial neural networks (ANNs), Sediment rating curve, Suspend loads