پایش رسوبات معلق نقش مهمی در شناخت رفتار رودخانه، شناسایی کانون ‎های فرسایش و رسوب و مدیریت بهتر اراضی آبخیزها ایفا می‌کند. در حال حاضر به دلیل هزینه‎ های بالای پایش مستمر رسوبات معلق، برنامه­ ریزی و مدل­سازی جهت مهار فرسایش با چالش‌های جدی روبروست. هدف از این پژوهش، توسعه فناوری و ارزیابی دستگاه بازتاب نوری اندازه ­گیر رسوب معلق با سامانه توام چند منبع نوری همراه با مدل‎ سازی هوش مصنوعی می ­باشد. دستگاه مذکور پس از ساخت، طی مراحل مختلف آزمایشی در آزمایشگاه هیدرولیک موسسه تحقیقات آب وزارت نیرو مورد بررسی قرار گرفت. بررسی عملکرد دستگاه طی دو مرحله واسنجی و صحت ‎سنجی انجام شد. در فرایند بررسی، تعداد 40 نمونه رسوب تولید و نمونه­ برداری شد که 70% آن‎ها برای آموزش دستگاه و 30% باقی‌مانده داده­ ها جهت صحت­ سنجی استفاده شد. از کدورت‎ سنج مرجع و نمونه‎ برداری دستی جهت آزمون درستی عملکرد دستگاه استفاده گردید. منحنی‎ های ترسیم شده، بیان‎گر همبستگی بسیار خوب بین عدد نوری ثبت شده توسط دستگاه و غلظت رسوب معلق می‎ باشد. به­ منظور ارتقاء نتایج پیش ­بینی دستگاه، از روش هوشمند مبتنی بر آمار رگرسیون ماشین بردار (SVR) و همچنین شبکه عصبی پرسپترون چند لایه (MLP) استفاده گردید. در نهایت نتایج حاصله توسط شاخص­ های میانگین خطای مطلق (MAPE)، مجذور میانگین مربعات خطا (RMSE)، ضریب ناش ساتکلیف(NSE) ، ضریب همبستگی (R)و ضریب تبیین (R2)مورد ارزیابی قرار گرفتند. نتایج نشان داد استفاده از مدل MLP در مقایسه با نتایج حاصل از دستگاه بدون اعمال هوش مصنوعی و نیز در مقایسه با مدل SVR در بهبود نتایج پیش ­بینی رسوب معلق دارد. مقادیر شاخص­ های ارزیابی برای مدل MLP به ­ترتیب برابر با 0/023، 7/608، 0/997، 0/999 و 0/999 می ­باشد.

کلمات کلیدی