پریسا عشقی
جلیل فرزاد مهر
محمد تقی دستورانی
زینب عرب اسدی

برآورد دقیق مقدار رسوبات حمل شده توسط رودخانهها در پروژههای آبی، از اهمیت بسیاری برخوردار است و لذا شناسایی و پیشنهاد روش­های مناسب جهت برآورد دبی رسوبات معلق از اهداف مهمی تلقی می­شود که بایستی بر اساس تحقیقات مرتبط به انجام برسد. از جمله این روشها میتوان به روشهای یادگیری ماشین از جمله مدل درختان تصمیمگیری، ماشین بردار پشتیبان و شبکه عصبی مصنوعی اشاره کرد. در این پژوهش، کارایی این تکنیکها در پیشبینی میزان دبی رسوبات معلق حوزه آبخیز باباامان بجنورد مورد بررسی قرار گرفت. داده­های ورودی برای پیشبینی رسوبات معلق حوزه باباامان در این پژوهش عبارتند از: دبیجریان، دبی رسوب معلق، بارش و تبخیر، که مربوط به دوره آماری از سال ۱۳۴۹ تا سال ۱۳۸۰ است. جهت ارزیابی دقت و صحت نتایج این مدلها، معیارهای آماری MAE، RMSE، R  استفاده شدند. در نهایت نتایج معیار­های آماری R و RMSE به ترتیب برای مدل منحنی سنجه ۸۰/۰ و ۷۷/۵۵۸۶۳، مدل شبکه عصبی ۹۸/۰ و ۲۸/۱، مدل درخت تصمیم ۹۶/۰ و ۵۶/۴۸۸۸۱ و مدل ماشین بردار پشتیبان ۹۹/۰ و ۶۹۹۸/۰ است. مقادیر به دست آمده نشان داد که ماشین بردار پشتیبان در مقایسه با روشهای نامبرده، تطابق بسیار بیش­تری با مقادیر اندازهگیری شده داشته است.

Artificial Neural Network, Decision Tree, Sediment Rating Curve, Suspended Load, Support Vector Machine, : بار رسوب معلق, درخت تصمیم, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, منحنی سنجه رسوب