مقایسه روش‌های تخمین رسوب معلق روزانه با استفاده از روش‌های منحنی سنجه رسوب و شبکه عصبی (مطالعه موردی: ایستگاه قزاقلی، استان گلستان)

تخمین دقیق حجم رسوبات حمل شده به‌وسیله رودخانه‌ها در بسیاری از پروژه‌های مدیریت منابع آب دارای اهمیت فراوان است. استفاده از روش‌های کلاسیک مانند منحنی سنجه رسوب با توجه به رفتار غیرخطی متغیرهای هیدرولوژیکی، از دقت کافی برخوردار نیستند. بنابراین روش‌های هوشمند می‌تواند به‌عنوان ابزاری توانمند در مدل‌سازی متغیرهای هیدرولوژیکی به‌کار گرفته شود. در این پژوهش کارآیی شبکه عصبی پرسپترون چندلایه و تابع پایه شعاعی و نیز روش‌های مختلف سنجه رسوب شامل سالانه، مشابه هیدرولوژیکی، پرآب- کم‌آب، حد وسط، دبی کلاسه، وضعیت هیدروگراف و فصلی در برآورد بار معلق رسوب روزانه ایستگاه قزاقلی واقع در حوزه آب‌خیز گرگان‌رود مورد ارزیابی قرار گرفت. به این منظور از آمار دبی و رسوب روزانه سال‌های 64-1361 استفاده شد، به این ترتیب که 3 سال از داده‌های روزانه (63-1361) برای آموزش و 1 سال از داده‌ها (سال 1364) برای آزمون مدل‌های یاد شده مورد استفاده قرار گرفت. نتایج نشان داد که از بین روش‌های مختلف سنجه رسوب، روش دبی کلاسه و از بین شبکه‌های پرسپترون چندلایه و تابع پایه شعاعی، شبکه پرسپترون چندلایه با ورودی‌های دبی همان‌روز، دبی 1 و 2 روز قبل از دقت بالاتری برخوردار هستند. همچنین نتایج پژوهش نشان داد که دقت روش شبکه‌ عصبی نسبت به روش‌های منحنی سنجه رسوب بالاتر است.