تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی ومدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود

یکی از جنبه های حائز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه ای میباشد. هدف این مطالعه ارزیابی عملکرد مقایسه ای دونوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیر ژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی ومدل غیر خطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود میباشد. مدلها براساس آمار ۱۰۴ حادثه وقوع همزمان ثبت شده دبی و رسوب طراحی شده اند. پارامترهای ژئومورفولوژیکی بکار رفته در مدلهای مزبور شامل: نسبت ناهمواری، ضریب شکل و تراکم زهکشی می باشند. شبکههای عصبی مصنوعی طراحی شده از نوع انتشار برگشتی چهار لایه است. بهترین نتایج پیش بینی مربوط به روش شبکه عصبی مصنوعی ژئومورفولوژیکی با ضریب تبیین معنی دار ۹۸/۰ و جذر میانگین خطای ۴۹/۴ در مقایسه با روش شبکه عصبی مصنوعی طراحی شده بر اساس آمار جریان با مقادیر ضریب تبیین ۹۶/۰ و خطای۳۵/۵ میباشد. عملکرد روشهای رگرسیونی با ضریب تبیین ۸۹۳/۰ و خطای۶۶/۸ برای روش چند متغیره غیرخطی ومقادیر ضریب تبیین ۸۱۴/۰ و خطای برآورد ۰۵/۱۵ برای روش غیر خطی ساده توانی ضعیف تر از شبکههای عصبی مشاهده گردید. تفاوت فاحش در شاخصهای ارزیابی مدلهای شبکه عصبی مصنوعی نسبت به روشهای رگرسیونی در عملکرد مناسب آنها برای تعداد کم نمونههای مدل میباشد. بنابراین شبکههای عصبی مصنوعی به خصوص شبکههای ژئومورفولوژیکی به عنوان یک ابزار قوی پیش بینی شایسته بار رسوب یک سیستم پیچیده رودخانه ای معرفی میشوند.

کلیدواژه ها:

بار رسوب ، رواناب ، ژئومورفولوژی ، شبکه عصبی مصنوعی ، مدل رگرسیونی.