کاربرد سه مدل هوشمند در برآورد بار معلق حوضه های آبخیز (مطالعه موردی: حوضه آبخیز دره رود، استان اردبیل)

تخمین بار معلق در طیف وسیعی از مسائل از قبیل طراحی مخازن سدها، برآورد میزان فرسایش و رسوب­گذاری اطراف پایه­های پل و مدیریت حوضه­های آبخیز به­کار گرفته می­شود. در این پژوهش به­منظور تخمین بار معلق حوضه دره­رود، مقادیر دبی و بار معلق در ۱۶ ایستگاه هیدرومتری طی دوره مشترک آماری ۱۵ ساله (۹۴-۱۳۸۰) جمع­آوری گردید. پنج الگوی مختلف بر اساس میزان تاثیرگذاری متغیرهای دبی و خصوصیات فیزیوگرافی زیرحوضه­ها شامل مساحت، شیب، ضریب شکل و شماره منحنی بر بار معلق حوضه تعریف شد. ضمنا با در نظر گرفتن پارامترهای مساحت و شیب، زیرحوضه­ها به دو گروه اول و دوم تقسیم­بندی شدند. عملکرد مدل­های شبکه عصبی مصنوعی (ANN)، سامانه استنتاجی فازی- عصبی تطبیقی (ANFIS) و برنامه­ریزی بیان ژن (GEP) در پیش­بینی بار معلق مورد بررسی قرار گرفت. نتایج نشان داد تخمین بار معلق با به­کارگیری الگوی ترکیبی شامل کلیه خصوصیات فیزیوگرافی و دبی با بیشترین دقت همراه بود. در بین مدل­های هوشمند بهترین عملکرد متعلق به مدل GEP بود. در گروه اول، این مدل بیشترین ضریب تعیین (۶۸/۰=R۲)، کمترین مقدار ریشه میانگین مربعات خطا ( ton/day۶۹/۷=RMSE) و بیشترین ضریب نش-ساتکلیف (۵۵/۰=NS) را در مقایسه با سایر مدل­ها به خود اختصاص داد. در خصوص گروه دوم نیز مدل GEP با دارا بودن مقادیر R۲، RMSE و NS به­ترتیب برابر با ۷۲/۰، ۲۶/۹۷۵ و ۴۳/۰ برتری محسوسی داشت. با استفاده از مدل GEP برای گروه­های اول و دوم مدل­های منطقه­ای رسوب استخراج شد. طبق نتایج، طی سال­های ۹۴-۱۳۸۰ سالانه به­طور میانگین ۳۳/۶ میلیون تن رسوبات معلق توسط شبکه آبراهه­ها در کل حوضه دره­رود جابه­جا شده و به­طور متوسط سهم هر کیلومتر مربع حوضه، حدود ۱۰۰۰ تن بوده است.