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

برآورد صحیح غلظت رسوبات رودخانه‌ها برای برنامه‌ریزی و مدیریت پروژه‌های منابع آب اهمیت دارد. روش های مختلفی برای تعیین ارتباط بین دبی جریان و مقدار رسوب توسعه یافته است. منحنی سنجه رسوب یکی از متداول‌ترین روش‌های برآورد رسوب معلق رودخانه‌ها می باشد که با خطای زیادی همراه است. به منظور تخمین ‌بهتر میزان رسوب با منحنی سنجه، می‌توان ضرایب این معادله را با روش های هوش مصنوعی بهینه کرد. هدف این تحقیق استفاده از الگوریتم ژنتیک برای بهینه سازی ضرایب معادله سنجه رسوب رودخانه های گرگانرود ( ایستگاه قزاقلی) و فریمان ( ایستگاه باغ عباسی) می باشد. بدین منظور، آمار دبی جریان و غلظت رسوب معلق برای سال های 1388-1350برای ایستگاه قزاقلی و سال های 1388-1347 برای ایستگاه باغ عباسی اخذ شد و منحنی سنجه رسوب با استفاده از 70 درصد داده ها به عنوان داده های آموزش به دست آمد. به منظور بهینه سازی ضرایب، مدل الگوریتم ژنتیک در نرم‌افزار matlab 2017 برنامه نویسی شد. نتایج به‌دست‌آمده نشان داد که مدل الگوریتم ژنتیک برای ایستگاه قزاقلی و باغ عباسی به ترتیب با ضریب نش ساتکلیف 0.5، 0.72 و ضریب تعیین 0.5 و 0.89 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغ عباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینه سازی رابطه دبی و رسوب به ویژه در ایستگاه های با داده کم دارد.