مقایسه کارآیی مدل سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار کف رودخانه‌ها

به دلیل مشکلات نمونه‎برداری و عدم دقّت کافی معادلات تجربی، سنجش و گزینش مناسب‎ترین روش‎های برآورد رسوبات بار کف، اهمّیّت زیادی دارد.هدف پژوهش حاضر، مقایسة کارآیی مدل‎های آماری شبکة عصبی مصنوعی و منحنی سنجة رسوب در برآورد رسوبات بار کف است؛ بدین منظور، ابتدا 5 ایستگاه هیدرومتری دارای بیشترین تعداد نمونه انتخاب شدند؛ سپس منحنی سنجة رسوب و مدل شبکة عصبی مصنوعی با 70% داده‌های آنها ساخته و ارزیابی دقّت برآورد دو مدل با 30% باقیماندة نمونه‎ها انجام شد. نتایج نشان داد که در تمامی ایستگاه‎ها، با افزایش مقادیر دبی جریان، رسوبات بار کف نیز افزایش می‌یابد. میانگین سطح معنی‎داری تفاوت بین مقادیر مشاهداتی و برآوردی مدل شبکة عصبی مصنوعی (59/0) بالاتر از مدل منحنی سنجة رسوب (14/0) است که نشان‎دهندة تفاوت کمتر مقادیر مشاهداتی و برآوردی مدل شبکة عصبی مصنوعی نسبت به مدل منحنی سنجة رسوب و صحّت بیشتر برآوردهای مدل شبکة عصبی مصنوعی است؛ همچنین در تمام ایستگاه‎ها، شاخص مجذور میانگین مربعات خطا برای مدل شبکة عصبی مصنوعی کمتر از مدل منحنی سنجة رسوب است، به طوری که مجموع مجذور میانگین مربعات خطای پنج ایستگاه برای مدل شبکة عصبی مصنوعی و منحنی سنجة رسوب به ترتیب برابر 7/2505 و 3/5195 محاسبه شد. بالاتر بودن ضریب همبستگی بین مقادیر مشاهداتی و برآوردی در هر پنج ایستگاه، با استفاده از مدل شبکة عصبی مصنوعی (765/0) نسبت به مدل منحنی سنجة رسوب (5038/0)، نشان از تخمین‎های دقیق‎تر مدل شبکة عصبی مصنوعی دارد. در نهایت، مدل شبکة عصبی مصنوعی که از دقّت بالاتری نسبت به مدل سنجة بار کف برخوردار است، به عنوان مدل برتر انتخاب شد. با توجّه به مشکلات اندازه‎گیری رسوبات بار کف و اریب زیاد ناشی از محاسبة بار بستر به عنوان درصدی از بار معلّق، نتایج این پژوهش می‎تواند کمک شایانی به برآورد دقیق‎تر بار بستر و نیز بار کلّ رسوبی نماید.