ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه

حوضه‌های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]ANFIS) بهره گرفته شده است. به این منظور داده‌های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل‌های شبکه عصبی مصنوعی مورد استفاده قرار گرفته است. در کنار این مدل از مدل‌های پرسپترون چندلایه([2]MLP)، شبکه عصبی تابع پایه شعاعی([3]RBF)و منحنی سنجه رسوبی ([4]SRC) نیز بهره گرفته شد. سپس نتایج مدل ANFISبا مدل‌های فوق مقایسه گردید. برای تعیین کارایی مدل‌ها از فاکتور مجذور میانگین مربعات خطا (RMSE)و خطای تبیین (R2)استفاده شده و مشاهده می‌شود که مدل ANFIS با برخورداری از خطای تبیین معادل 9087/0 و مجذور میانگین مربعات خطای معادل 224 میلیگرم در لیتر نسبت به سایر مدل‌ها به نتایج بهتری دست می‌یابد. کمترین میزان R2 و RMSEنیز برای مدل SRC به ترتیب معادل 8251/0 و 304 برآورد گردید. مقادیر آکائیک نیز برای مدل ANFIS معادل 1993 محاسبه شد که این امر نشان‌دهنده‌ی قابلیت بالای مدل ANFIS در تخمین بار معلق رسوبی می‌باشد. [1]-Artificial neural fuzzy inference system [2]-Multi layer perceptron [3]-Radial basis function [4]-Sediment rating curve