وحید نورانی - استاد، دانشکده مهندسی عمران دانشگاه تبریز، تبریز، ایران
غلامرضا عندلیب - دانشجوی دکترای سازه های هیدرولیکی دانشکده مهندسی عمران دانشگاه تبریز تبریز، ایران

شبیه­سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان  و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، سامان­دهی رودخانه ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی­های سری­های زمانی استفاده گردیده و کارایی مدل­های موجک-ماشین بردار پشتیبان  و موجک- شبکه عصبی مصنوعی برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی-رسوب وارد ماشین بردار پشتیبان و شبکه عصبی مصنوعی شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که ماشین بردار پشتیبان با ضریب تبیین 65/0DC= خروجی بهتری نسبت به شبکه عصبی مصنوعی 61/0DC= دارد. مدل موجک-ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک- شبکه عصبی مصنوعی نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و شبکه عصبی مصنوعی می شود، برای نمونه 65/0 DCSVM=  به  82/0 DCWSVM= ارتقاءیافته است.

پیش بینی رسوب, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, تبدیل موجک, آجی چای