برآورد دبی رسوب معلق رودخانه با استفاده از الگوریتم‌های فراابتکاری

در بسیاری از نقاط ایران اطلاع دقیقی از میزان فرسایش، انتقال رسوب و نیز رسوبگذاری رودخانه‌ها وجود نداشته و در بسیاری از موارد، بین اندازه گیری‌های انجام شده، اختلافات بسیاری مشاهده می‌شود. با توجه به این‌که رژیم جریان و به تبع آن رژیم رسوب در حوضه‌های آبریز ثابت نیست، پیش‌بینی دبی رسوب کمک شایانی در برآورد رسوب تجمع‌یافته پشت سازه‌های آبی به‌خصوص سدها و تعیین حجم مرده مخازن در ماههای آتی نموده و با اتخاذ تمهیدات به موقع، مدیریت تخلیه به‌هنگام رسوب را تا حدی تسهیل می‌کند. در این پژوهش، از سه الگوریتم فراابتکاری بهینه‌سازی شامل الگوریتم ژنتیک (ga)، الگوریتم گرگ خاکستری (gwo) و الگوریتم انتخابات (ea) جهت پیش‌بینی بار رسوبی معلق رودخانه‌ها استفاده شده است. برای ارزیابی عملکرد روش پیشنهادی، از سه آماره شامل ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse) و معیار نش ساتکلیف (nse) استفاده شده است. بار معلق رسوبی ایستگاه رسوبی واقع در رودخانه زرینه‌رود طی سال‌های 94 1384 به‌عنوان مطالعه موردی در نظر گرفته شده است. نتایج به‌دست آمده نشان می‌دهد الگوریتم gwo با کسب مقادیر ، rmse=0.022 و nse=0.74 در مقایسه با سایر الگوریتم‌های به‌کار گرفته شده، از کارایی بالاتری برخوردار است.

Prediction Suspended Sediment Load of River Using Metaheuristic Algorithms

In many areas of Iran, there is no detailed information on the amount of erosion, sediment transport and sedimentation of rivers, and in many cases, there are many difference between measurements. Due to the fact that the flow regime and consequently the sediment regime in the watersheds are not constant, the prediction of sediment rate helps to estimate the sediment accumulated behind the structures, specially the dams, and determine the dead volume of reservoirs in the future months, and by adopting timely arrangements facilitate the deposition management to a certain extent. In this research, three optimization algorithms including Genetic Algorithm (GA), Gray Wolf Optimizer (GWO) and Election Algorithm (EA) were used to predict the suspended sediment load of the rivers. In order to evaluate the performance of the algorithms, three statistics consists of R2, RMSE and NSE were used. The suspended sediment load of sedimentary station located in the ZarrinehRood river during the 20052015 are used as a case study. The results show GWO algorithm with values R2=0.96, RMSE=0.022 and NSE=0.74 has a very high accuracy compared to other algorithms used.