تخمين زماني و مكاني بار معلق رودخانه آجي چاي با استفاده اززمين آمار و شبكه عصبي مصنوعي

Spatial and Temporal Estimation of Suspended Sediment Load in Aji-chay River Using Geostatistics and Artificial Neural Network

پديده انتقال رسوب در رودخانه ها از پيچيده ترين مباحث مهندسي رودخانه بوده و همواره مورد توجه كارشناسان و مهندسين آب مي باشد. يكي از مشكلات عمده كه سازه هاي هيدروليكي بنا شده در يك رودخانه را تهديد مي كند مساله انتقال و انباشت رسوبات مي باشد. لذا ارايه ي راهكارهاي نوين جهت برآورد دقيق بار معلق عبوري از مقاطع مختلف رودخانه ها در مقياس هاي زماني مختلف، نقش بسزايي در پيشبرد صحيح مطالعات مهندسي رودخانه خواهد داشت. نظر به اينكه آماربرداري رسوب معلّق در اكثر ايستگاه هاي رسوب سنجي كشور در مقياس زماني روزانه و به صورت نامنظّم انجام مي پذيرد در صورت نياز به تخمين رسوبات معلق ماهانه در يك مقطع مشخص از رودخانه، لازم است اين برآورد با استفاده از مدل هاي زماني و مكاني دقيق تر انجام پذيرد. در تحقيق حاضر با استفاده از شبكه عصبي مصنوعي و علم زمين آمار و با ادغام آناليز سري هاي زماني با آناليز سري هاي مكاني به ارايه يك مدل جامع، جهت تخمين بار معلق ماهانه در طول رودخانه آجي چاي اقدام گرديده است. بدين منظور با استفاده از شبكه عصبي مصنوعي اقدام به داده سازي منطقي در مقياس زماني ماهانه نموده و به وسيله تخمينگرهاي تك پارامتري كريجينگ و چند پارامتري كوكريجينگ با منظور نمودن دبي جريان به عنوان پارامتر كمكي، مقدار بار معلق رسوبي ماهانه، در طول رودخانه آجي چاي برآورد گرديده است. نتايج نشان دادند ضمن معتبر بودن هر دو مدل كريجينگ و كوكريجينگ در منطقه مورد مطالعه روش كوكريجينگ در مقايسه با روش كريجينگ در برآورد مكاني بار معلق ماهانه نتايج بهتري را ارايه مي دهد.