هادی ثانی خانی

جابه جایی و ته نشینی بار معلق رودخانه ها باعث بروز مشکلات زیادی از جمله رسوب گذاری در مخازن سدها، تغییر مسیر رودخانه ها به دلیل رسوب گذاری در بستر آن ها، کاهش ظرفیت آبگذری آبراهه ها و تأسیسات انتقال آب و همچنین تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی می شود. در این پژوهش از مدل-های فازی- عصبی تطبیقی (ANFIS)، برنامه ریزی بیان ژن (GEP) و رگرسیون بردار پشتیبان (SVR) جهت مدل سازی و پیش بینی میزان رسوبات معلق حوضه آبریز دره رود در استان اردبیل استفاده شد. در این راستا از داده های رسوب و دبی جریان ایستگاه های هیدرومتری مشیران بر روی رودخانه دره رود (واقع در بالادست سد عمارت) و ارباب کندی بر روی رودخانه قره سو (واقع در بالادست سد سبلان) استفاده شد. پس از آزمون هشت سناریوی مختلف توسط مدل SVR، الگوی ترکیبی شامل مقادیر دبی جریان در همان روز، دبی جریان و رسوب معلق در گام زمانی قبل به عنوان بهترین الگو برای هر دو ایستگاه شناخته شد. الگوی مذکور برای مدل-های ANFIS و GEP نیز به عنوان ورودی استفاده شد. نتایج بیانگر عملکرد قابل قبول مدل ها و برتری مدل SVR با بیشترین ضریب تعیین (97/0=R2)، کمترین ریشه میانگین مربعات خطا (1743=RMSE) و همچنین شاخص های نش-ساتکلیف (97/0=NS) و ویلموت (98/0=WI) برای ایستگاه مشیران در مرحله صحت سنجی بود. برای ایستگاه ارباب کندی، نتایج حاکی از (95/0=R2)، (4076=RMSE)، (97/0=NS) و (97/0=WI) برای مدل SVR در مرحله صحت سنجی بود. مذکور علاوه بر آن، توزیع فراوانی قدر مطلق خطای پیش بنی و نمودار جعبه ای توزیع خطای پیش بینی مدل های هوشمند نیز تأیید کننده عملکرد بهتر مدل SVR بود. ضمناً، کارآیی مدل ANFIS تا حدی بهتر از مدل GEP بود. ضرایب و توابع به کار رفته برای واسنجی مدل های هوشمند مورد استفاده در این پژوهش می تواند برای تخمین رسوبات معلق ایستگاه های مجاور فاقد آمار در حوضه آبریز دره رود بسیار مفید واقع شود.