فرزانه ناصرص - گروه مرتع و آبخیزداری، دانشگاه فردوسی
محمود اذری - گروه مرتع و آبخیزداری، دانشگاه فردوسی مشهد، مشهد، ایران،
محمد تقی دستورانی - دانشگاه فردوسی مشهد

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.

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