از آنجا که توسعه برنامههای مهار آبهای سطحی ملزم بهدستیابی دقیق رفتارهای جریان و میزان رسوبات آن میباشد لذا کمبود ایستگاههای اندازهگیری رسوب و فقدان آمار کامل رسوب، از جمله دلایل ارزیابی صحیح در شبیهسازی رفتار جریانها و رسوبات آنهاست . از جمله مواردی که در یک حوزه آبخیز از هم تأثیر میپذیرند خصوصیات مورفولوژیکی حوزه و بار رسوبی جریانهای آن میباشد. لذا آگاهی از میزان این ارتباط بهمنظور مدیریت و ساماندهی جریان در پاییندست حوزه حائز اهمیت میباشد. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی و روشهای رگرسیونی سنجه رسوب براساس دادههای ۱۳۶ واقعه دبی جریان و رسوب متناظر آن و همچنین پارامترهای مورفولوژیکی به پیشبینی بار رسوبی حوزه باغ عباس اقدام گردیده است. بدینمنظور در گام نخست برای پیشبینی بار رسوب از دو روش مذکور، فقط از دادههای جریان استفاده گردیده و در گام بعدی خصوصیات مورفولوژیکی حوزه از قبیل ضریب شکل و ضریب فشردگی حوزه به مدلها اضافه شده است. نتایج بهدست آمده از این تحقیق نشان میدهد که با بهکارگیری شبکه عصبی از نوع پرسپترون چندلایه با الگوریتم لونبرگ- مارکوارت و تابع تحریکاز نوع تانژانت سیگموید با دو لایه مخفی و ۴ نرون در هر لایه، میتوان با دقت مناسبی (MLP) میزان دبی بار معلق رسوب را برآورد نمود. همچنین دقت نتایج بهدست آمده از روششبکه عصبی مصنوعی بهمراتب از دقت روشمنحن ی ،۰/ بهترتیب میزان ضریب همبستگی ۹۴ ،SRC, MARS و رگرسیونی NGANN, GANN سنجه بالاتر میباشد. در ارزیابی روشهای شبکه بهترتیب (NS) ۲ و ضریب نش- ساتکلیف / ۲ و ۳ /۳ ،۰/۴۹ ،۰/ بهترتیب ۴۵ (RMSE) ۰ و مجذور میانگین مربعات خطا / ۰ و ۷۶۶ /۷۶۷ ،۰/۹۳ ۰ محاسبه گردید. بنابراین کاراترین روش از بین مدلهای چهارگانه مذکور، شبکه عصبی مصنوعی همراه با / ۰ و ۲۳ /۲۷ ،۰/۵۸ ،۰/۷۱ میباشد. ضمناً براساس یافتههای تحقیق اضافه نمودن پارامترهای ژئومورفولوژیکی در روش سنجه (GANN) دادههای مورفولوژیکی حوزه رسوب تأثیر چندانی بر روی کارایی این مدل ندارد.

کلمات کلیدی