تحلیل عملکرد شبکه های عصبی مصنوعی(ann) و مدل های رگرسیونی در پیش بینی و برآورد رسوب و فرسایش مطالعه موردی: حوضه رودخانه کر - چمریز

رواناب سطحی و جریان آب در رودخانه ها همواره توأم با فرسایش و حمل مواد رسوبی است، واضح است جهت مطالعه دقیق رسوب، علاوه بر شناخت طبیعت رسوب و مکانیزم آن لازم است عوامل موثر در فرسایش و رسوب گذاری، هم چنین مقدار مواد رسوبی حمل شده دقیقآً تعیین و محاسبه گردد. در پژوهش حاضر از روش شبکه ی عصبی مصنوعی که روش موثر برای تعیین روابط پیچیده غیر خطی بین عوامل می باشد، مورد استفاده قرار گرفته است. مدل شبکه عصبی طراحی شده در این پژوهش، از نوع شبکه چند لایه پس انتشار برگشتی انتخاب گردیدکه به منظور آموزش شبکه از الگوریتم لونبرگ - مارکورات استفاده گردید. این پژوهش با هدف برآورد رسوب و فرسایش حوضه کر- چمریز با استفاده از شبکه ی عصبی مصنوعی در دوره آماری [2011 - 1991] انجام گرفته است. با توجه به آموزش بلند مدت [ 15 سال برای آموزش و 5 سال برای برآورد ] شبکه به گونه ای طراحی گردید که با ورود عناصر میانگین ماهانه رسوب، دبی و بارش در یک سال حداکثر برآورد برای ماه آینده برآورد گردید. این کار برای سال های [2011 - 2007] میلادی جهت تعیین میزان خطای مدل صورت گرفت که در مجموع برآورد رسوب در آموزش [r =1 ] و ضریب همبستگی [ r =1] بود. نتایج حاصل از این پژوهش نشان داد که مدل شبکه ی عصبی مصنوعی در بر آورد فرسایش و رسوب حوضه از دقت بالایی برخوردار است.