مقایسه و ارزیابی کارائی مدل های داده مبنا جهت تخمین رسوب معلق پایین دست سد درودزن

سدها بر حسب ابعاد خود با ایجاد محیط­های ساکن بخش اعظمی از رسوب ورودی به مخزن را مهار می­کنند. با این وجود رسوب خروجی از سد به عوامل مختلفی مانند روش مدیریت سد، رسوب ورودی، ارتفاع آب در مخزن و شکل مخزن و دبی تخلیه بستگی دارد. در این تحقیق میزان رسوب معلق خروجی از سد درودزن بر اساس دوره آماری ۲۵ ساله با استفاده از سه روش یادگیری بر اساس الگوریتم داده مبنا یعنی نزدیکترین نقاط همسایه، رگرسیون­گیری و شبکه عصبی مورد بررسی قرار گرفته است. نتایج نشان می­دهد که در روش نزدیک­ترین همسایه تعداد همسایه و وزن هر پارامتر بر دقت نتایج اثر گذار است بطوریکه در بین ساختارهای مختلف روش نزدیکترین همسایه، روش انتخاب ۶ همسایه با انتخاب وزن­های ۲۷۱/۰ و ۲۷۱/۰ و ۴۵۸/۰ به ترتیب برای دبی ورودی و دبی رسوب ورودی و دبی خروجی نتایج مناسبتری را نسبت به دیگر ساختارهای این روش نشان می­دهد. در بین ساختارهای مختلف شبکه عصبی ساختار با ۲ لایه مخفی و تعداد ۴ و ۷ گره بترتیب در لایه های اول و دوم دقت بالاتری نسبت به دیگر ساختارها نشان می­دهند. مقایسه هر سه روش نشان­دهنده دقت بالاتر روش شبکه عصبی نسبت به دو روش دیگر است.