بهینه سازی ضرایب معادله سنجه رسوب با استفاده از الگوریتم ژنتیک (مطالعه موردی: ایستگاه های قزاقلی و باغ عباسی)

برآورد صحیح غلظت رسوبات رودخانه ها برای برنامه ریزی و مدیریت پروژه های منابع آب اهمیت دارد.روش­های مختلفیبرایتعیینارتباطبیندبیجریانومقداررسوبتوسعهیافته است.منحنی سنجهرسوب یکیاز متداول ترینروش هایبرآوردرسوبمعلقرودخانه هامی­باشد که با خطای زیادی همراه است.به­منظورتخمین بهترمیزانرسوببا منحنیسنجه،می توان ضرایباینمعادلهرابا روش­های هوش مصنوعی بهینه کرد.هدفاینتحقیقاستفادهازالگوریتمژنتیک برایبهینه­سازی ضرایبمعادلهسنجهرسوب رودخانه­های گرگانرود ( ایستگاه قزاقلی) و فریمان( ایستگاه باغ عباسی) می­باشد. بدین منظور، آماردبی جریانوغلظت رسوب معلقبرای سال­های 1388-1350برای ایستگاه قزاقلی و سال­های 1388-1347 برای ایستگاه باغ­عباسی اخذ شد و منحنی­سنجه رسوب با استفاده از 70 درصد داده­ها به عنوان داده­های آموزش به­دست آمد. به منظور  بهینه­سازی ضرایب، مدلالگوریتمژنتیکدر نرم افزارMATLAB2017برنامه­نویسیشد.نتایجبه دست آمدهنشان دادکهمدلالگوریتمژنتیک برای ایستگاه قزاقلی و باغ­عباسی به ترتیب با ضریب نش-­ساتکلیف 5/0، 72/0و ضریب تعیین 5/0 و 89/0 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغ­عباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینه­سازی رابطه دبی و رسوب به ویژه در ایستگاه­های با داده کم دارد.

کلیدواژه ها:

: الگوریتم تکاملی ، بهینه سازی ، رسوبدهی ، رسوب معلق ، منحنی سنجه رسوب