%0 Journal Article %T Investigation of Possibility of Suspended Sediment Prediction Using a Combination of Sediment Rating Curve and Artificial Neural Network Case Study: Ghatorchai River, Yazdakan Bridge %J Environmental Erosion Research %V 3 %N 1 %U http://magazine.hormozgan.ac.ir/article-1-132-fa.html %R %D 2013 %K Suspended Loads, Artificial Neural Network, Ghatoor-Chai River, Sediment Rating Curve, %X برآورد بار رسوبی در رودخانه­ها با توجه به خسارات ناشی از آن، یکی از مهم­ترین و مشکل­ترین قسمت­های مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوه­های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت بسیار زیادی است. در این تحقیق کاربرد روش سیستم عصبی مصنوعی (ANN) در بهینه­سازی نتایج مدلی مبتنی بر روش منحنی سنجه­ی رسوب (SRC) برای پیش­بینی بار معلق جریان مورد بررسی قرار گرفته است. برای این منظور ایستگاه یزدکان واقع بر رودخانه­ی قطورچای در نظر گرفته شد. یک مدل رگرسیونی به کمک روش SRC ساخته شد که با کمک داده­های دبی در ایستگاه مذکور میزان بار معلق در همان ایستگاه پیش­بینی می­گردد. پس از ساختن مدل به کمک این روش، یک مدل  ANNمورد استفاده قرار گرفت که دقیقا از داده­های مشابه استفاده نموده و سپس با استفاده از آن دو، مدل ترکیبی ساخته شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (ANN و SRC)، هر یک از این روش­ها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل با مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدل­ها از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آنها به تنهایی برخوردار است. به طوری که میزان Dr از عدد 402/1 در روش SRC و 395/2- در مدل ANN به مقدار 963/0 در یکی از مدل­های ترکیبی تعدیل یافته است. هم­چنین میزان ریشه میانگین مربعات خطا که به ترتیب برای SRC و ANN به تنهایی 286/692 و 96/616 حاصل گشته بود به عدد 094/603 کاهش پیدا کرد.  %> http://magazine.hormozgan.ac.ir/article-1-132-fa.pdf %P 73-82 %& 73 %! %9 Research %L A-10-29-58 %+ %G eng %@ 2251-7812 %[ 2013