برآورد میزان دقیق رسوبات معلق در رودخانهها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روشهای مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود میباشد که البته توانایی این روشها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدلهای سری زمانی شامل و شبکههای عصبی در پیشبینی رسوب معلق، از دادههای روزانه ایستگاه قزاقلی واقع روی رودخانه گرگانرود ARIMA ، مارکف Neurosolutions و 5 Minitab استفاده شده است. دادههای موجود بهصورت متوسط رسوب معلق ماهانه در محیط نرمافزار 16 بهکارگرفته شد و در نهایت پیشبینی رسوب برای 111 ماه انجام گرفت. در مرحله بعد، مقادیر پیشبینی شده توسط مدلهای نشان داد که شبکههای عصبی در مقایسه با مدلهای سری زمانی NMSE و RMSE مختلف، با شاخصهای اندازهگیری خطا شامل توانایی بهتری در پیشبینی و مدلسازی رسوب ماهانه دارد و نیز در بین مدلهای سری زمانی، مدل مارکف در مقایسه با مدل دارای توانایی بهتری در برآورد رسوب معلق می باشد.

کلمات کلیدی