مقایسه شبکه های عصبی و مدل رگرسیونی در پیش بینی راندمان تله اندازی رسوب در سدهای تـأخیری

شبکه عصبی مصنوعی از جمله روش های جدید تخمین تغییرات پدیده ها می باشد که در شاخه های مختلف علوم کاربرد گسترده ای پیدا کرده است. راندمان تله اندازی رسوب و حجم رسوبگذاری شده مخازن سدها نیز از جمله مسائلی است که می تواند با این روش مورد بررسی قرار گیرد. هدف از انجام این تحقیق، تعیین راندمان تله اندازی رسوب در سدهای تأخیری با استفاده از روش های شبکه عصبی و مقایسه آنها با مدل های رگرسیونی است. برای انجام این تحقیق از مدل فیزیکی سد تأخیری که در پژوهشکده حفاظت خاک و آبخیزداری ساخته شده بود، استفاده گردید. به منظور شبیه سازی هیدروگراف سیلاب، از ایده مدل مخازن خطی استفاده گردید. سپس با رهاسازی سیلاب همراه با رسوب، عملکرد سد تأخیری در تله اندازی رسوبات مورد بررسی قرار گرفت. در مرحله بعد، با شناسایی پارامترهای تأثیرگذار بر تله اندازی رسوبات مخازن سدها، مدل شبکه عصبی مناسب به روش پس انتشار خطا توسعه داده شد. همچنین از مدل های رگرسیونی برای بررسی رابطه پارامترها و نیز مقایسه نتایج برآوردی با مشاهده ای استفاده شد. در نهایت، شاخص های آماری r2، rmse و mape به منظور ارزیابی صحت و دقت مدل به کار گرفته شد. طبق نتایج، میانگین مقادیر r2، rmse و mape در مدل های رگرسیونی به ترتیب برابر 465/0، 6/26 و 1/62 می باشد، در حالی که مقادیر این شاخص ها در مدل توسعه داده شده شبکه عصبی به ترتیب برابر 982/0، 6/4 و 1/6 می باشد. از این رو مدل شبکه عصبی مصنوعی از توانایی بیشتری نسبت به روابط رگرسیونی در پیش بینی راندمان تله اندازی رسوب سدهای تـأخیری برخوردار است. همچنین نتایج نشان داد که محاسبه راندمان تله اندازی رسوب بستگی به تعداد پارامترهای به کار رفته در معادله دارد و باید با توجه به تعداد پارامترها، رابطه بهینه را انتخاب نمود.