برآورد بار رسوب جريان با استفاده از هوش مصنوعي (مطالعه موردي: حوزه آبخيز تنگ بريم)

علوم و مهندسي آبخيزداري گرايش حفاظت آب و خاك

9/21/2025 12:00:00 AM

از آنجا كه افزايش بار رسوب معلق مي‌تواند كيفيت آب، عمر مفيد سازه‌ها و زيستگاه‌هاي آبي را تحت تأثير قرار دهد، لذا مدل‌سازي و پيش‌بيني بار رسوب معلق مي‌تواند نقش مهمي در مديريت منابع آب و حفاظت خاك ايفا نمايد. به دليل ماهيت پيچيده و غيرخطي فرآيندهاي توليد رسوب، استفاده از الگوريتم‌هاي مختلف هوش مصنوعي در برآورد بار رسوب مي‌تواند راهكاري جهت رفع مشكل نقص يا فقدان داده رسوب در بسياري از حوزه‌هاي آبخيز باشد در اين مطالعه، پس از اخذ آمار رسوب از مراجع مربوطه و پيش‌پردازش و بررسي روند آماري آن‌ها در طول دوره مورد مطالعه، اقدام به مدل‌سازي بار رسوب معلق در حوزه آبخيز رودخانه شيو با بهره‌گيري از الگوريتم‌هاي يادگيري ماشين شامل رگرسيون بردار پشتيبان (SVR)، مدل تقويتي گراديان (XGBoost) و شبكه عصبي حافظه بلندمدت (LSTM) به‌عنوان يكي از الگوريتم‌هاي يادگيري عميق گرديد. داده‌هاي مربوط به دبي جريان و بار رسوب معلق به‌صورت متناظر، طي دوره سال 1347 تا 1400 به‌عنوان ورودي مدل‌ها به كار گرفته شد. عملكرد آن‌ها با استفاده از شاخص‌هاي آماري ضريب تعيين( 2R)، ريشه ميانگين مربعات خطا (RMSE) و ضريب نش-ساتكليف (NSE) ارزيابي گرديد. نتايج آزمون من-كندال در بررسي روند داده‌هاي رسوب در دوره مورد مطالعه، حاكي از روند افزايشي اما غيرمعني‌دار مي‌باشد. همچنين نتايج مدل‌سازي رسوب نشان داد كه مدل LSTM، با توجه به توانايي در شناسايي وابستگي‌هاي زماني و الگوهاي غيرخطي، R2برابر با 96/0، NSE برابر با 95/0 و همچنين RMSE برابر با 4/640 بالاترين دقت شبيه‌سازي را دارا مي‌باشد. عملكرد مدل XGBoost پس از LSTM در رتبه دوم قرار گرفت و SVR نيز نسبت به دو مدل ديگر دقت پايين‌تري را نشان داد. اين يافته‌ها نشان مي‌دهد كه استفاده از مدل‌هاي يادگيري ماشين و الگوريتم‌هاي يادگيري عميق مانند LSTM مي‌تواند ابزاري مؤثر و كاربردي در مديريت پايدار منابع آب در حوضه‌هاي مشابه با منطقه مورد مطالعه براي پيش‌بيني نسبتاً دقيق بار رسوب معلق باشد. لذا مدل‌سازي بار رسوب معلق با بهره‌گيري از الگوريتم‌هاي نوين داده‌كاوي مي‌تواند زمينه را براي كاهش هزينه‌هاي ناشي از رسوب‌گذاري، افزايش عمر مفيد سازه‌ها، كنترل فرسايش خاك و ارتقاي تصميم‌گيري‌هاي كلان در مديريت منابع آب فراهم سازد.

236822

دانشگاه اردكان

حيات زاده مهدي Hayatzade mahdi , فتح زاده علي Fathzadeh Ali