مقایسه مدل های شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیه سازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود

این پژوهش با هدف مقایسه کارآیی برخی مدل‌های شبیه سازی میزان رسوب معلق شامل منحنی سنجه رسوب و شبکه عصبی مصنوعی و ارائه مدل بهینه بر اساس دبی جریان در حوزه آبخیز شاهرود و بر روی ایستگاه های هیدرومتری گلینک، باغکلایه، لوشان و رجائی دشت انجام شد. به منظور شبیه سازی میزان رسوب معلق از مدل منحنی سنجه رسوب یک خطی و مدل های شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی بهره گرفته و سپس ارزیابی این مدل ها با استفاده از ضریب nash و rmse انجام شد. نتایج حاصل از این پژوهش حاکی از آن است که در کلیه ایستگاه های هیدرومتری مورد بررسی، مدل شبکه عصبی مصنوعی در مقایسه با مدل منحنی سنجه رسوب نتایج بهتری ارائه کرد. به طوری که مدل شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تحریک سیگموئید در ایستگاه‌های گلینک و رجایی دشت به ترتیب با rmse، 1/033 و 0/825 تن در روز و ضریب nash، 0/84و 0/839 و این مدل با تابع تحریک تانژانت سیگموئید در ایستگاه های باغکلایه و لوشان به ترتیب با rmse، 0/799 و 0/883 تن در روز و ضریب nash، 0/772 و 0/895 کارآیی بهتری در شبیه سازی میزان رسوب معلق دارد. همچنین مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی نشان داد که شبکه های mlpدر مقایسه با شبکه های rbf از دقت بیشتری در شبیه سازی میزان رسوب معلق برخوردارند و تنها مزیت شبکه های rbf زمان کمتر مورد نیاز برای آموزش است.