%0 Journal Article %T استفاده از سیستم استنتاجی فازی عصبی در تخمین بار رسوبی و مقایسۀ آن با مدل‎های MLR وSRC در حوضۀ رودخانۀ قرانقو %J پژوهش های جغرافیای طبیعی %I دانشگاه تهران %Z 2008-630X %A رضایی بنفشه, مجید %A فیض‎ا.. پور, مهدی %A صدر افشاری, سحر %D 2013 %\ 08/23/2013 %V 45 %N 2 %P 77-90 %! استفاده از سیستم استنتاجی فازی عصبی در تخمین بار رسوبی و مقایسۀ آن با مدل‎های MLR وSRC در حوضۀ رودخانۀ قرانقو %K بار رسوبی %K سیستم استنتاجی فازی عصبی %K منحنی سنجه رسوبی %K رگرسیون چندمتغیره %K حوضۀ رودخانۀ قرانقو %R 10.22059/jphgr.2013.35145 %X انتقال رسوب‎ها در رودخانه‎ها با توجه به نقش آنها در مباحث هیدرولوژیکی، از اهمیت ویژه‎ای برخوردار است. این رسوب‎ها به روش‎های گوناگون اندازه‎گیری می‎شوند. اندازه‎گیری مستقیم بار معلق رسوبی در رودخانه، هزینه‎بر بوده و امکان احداث ایستگاه‎های اندازه‎گیری در تمام طول رودخانه وجود ندارد. همچنین معادله‎های مورد استفاده در تخمین بار رسوبی، برای تمام مناطق قابل استفاده نبوده و علاوه‎بر آن، نیازمند دیده‎بانی‎های بلندمدت است. با این حال، برخی از روش‎ها در تخمین بار معلق رسوبی به نتایج مطلوبی دست یافته‎اند. در این مطالعه، سیستم استنتاجی فازی عصبی (ANFIS) با بهره‎گیری از ترکیب‎های ورودی مختلف برای تخمین بار معلق رسوبی روزانه به‎کار گرفته شد. به این منظور در اولین بخش از پژوهش، مدل ANFIS با استفاده از داده‎های دِبی روزانه و بار معلق رسوبی روزهای پیشین، تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانۀ قرانقو مورد استفاده قرار گرفت. در دومین بخش از پژوهش، مدل ANFIS با استفاده از شاخص‎های ضریب تبیین (R2) و خطای مجذور میانگین مربعات (RMSE) با مدل‎های منحنی سنجه رسوبی (SRC) و رگرسیون چندمتغیره (MLR) مقایسه شد. نتایج نشان داد که مدل ANFIS با برخورداری از مقادیر ضریب تبیین (R2) برابر 9668/0، RMSE برابر 190، در مقایسه با سایر روش‎ها از قابلیت بهتری در تخمین بار معلق رسوبی برخوردار است. در این بین، مدل SRC با برخورداری از مقادیر R2 و RMSE که به‎ترتیب معادل 8384/0 و 454 تخمین‎زده شده است، به ضعیف‎ترین تحلیل در پیش‎بینی بار معلق رسوبی دست یافته است. %U https://jphgr.ut.ac.ir/article_35145_1af1d9d3672a7cdc76d7262f0666870c.pdf