تخمین مقادیر بار رسوب معلق رودخانه با استفاده از روش های هوش مصنوعی (مطالعه موردی رودخانه میمه)

استفاده از روش های مناسب برای تخمین بار رسوب از دیر باز مورد توجه متخصصین مسائل رودخانه­ای قرار گرفته است. در این تحقیق با استفاده از دو روش­ هوش مصنوعی شامل برنامه­ریزی ژنتیک (GP) مبتنی بر گراف و روش توابع پایه شعاعی (RBF) و استفاده از آمار و اطلاعات ۱۲ ساله چهار ایستگاه هیدرومتری گوراب، سرکمر، جاده دهلران و بیات بر روی رودخانه میمه در استان ایلام، بار رسوب معلق رودخانه تخمین زده شد. در این تحقیق، پارامترهای شماره ماه و دبی رودخانه، به عنوان پارامتر ورودی و بار رسوب رودخانه، به عنوان پارامتر خروجی، بکار گرفته شد. در معادلات به دست آمده از روش برنامه­ریزی ژنتیک (GP)، بیش­ترین همبستگی به­دست آمده مربوط به ایستگاه هیدرومتری گوراب با ۱۸/۹۹ درصد و کم­ترین همبستگی به­دست آمده مربوط به داده­های تجمیع شده چهار ایستگاه هیدرومتری با ۱۷/۹۲ درصد می­باشد. در روش توابع پایه شعاعی (RBF)، حداکثر همبستگی داده­های آموزشی و آزمایشی مربوط به ایستگاه بیات به ترتیب با ۱۰۰ و ۲۰/۹۴  درصد حاصل شد. نتایج نشان دهنده دقت بالای تخمین بار رسوب در ایستگا­ه­های هیدرومتری مورد مطالعه می­باشد. نتایج نشان داد روش توابع پایه شعاعی (RBF) در تخمین بار رسوب معلق رودخانه میمه، عملکرد بهتری نسبت به روش برنامه­ریزی ژنتیک (GP) داشته است.

کلیدواژه ها:

بار رسوب معلق ، برنامه ریزی ژنتیک ، توابع پایه شعاعی ، رودخانه میمه ، هوش مصنوعی