Iranian Jornal of Watershed Management Science&Engineering

fa شبیه سازی بار رسوبی معلق با استفاده از مدل تلفیقی عصبی-فازی با ترکیبات ورودی مختلف (مطالعه موردی: ایستگاه سیرا-سدکرج) Simulation of suspended sediment load using neuro-fuzzy fusion model with different input combinations (case study: Sierra station-Karaj dam) تخصصي Special پژوهشي Research به منظور اجرای برنامه‍های حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم سد در احداث سدهای مخزنی، ارزیابی و برآورد میزان تولید رسوب در حوزه آبخیز بالادست سد، ضروری است. به طورکلی پدیده فرسایش و انتقال رسوب از پیچیده‍ترین مسایل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن به دلیل تأثیرات متغیرهای مختلف، به آسانی میسر نیست. هدف از این مطالعه شبیه‍سازی بار رسوبی معلق با استفاده از مدل تلفیقی عصبی-فازی می‍باشد و برای این کار لازم است ابتدا ترکیبات ورودی مختلف با استفاده از روش‍های رگرسیون گام به گام، مدل الگوریتم ژنتیک و آزمون گاما تعیین و سپس مناسب‍ترین ترکیب به عنوان ورودی مدل انتخاب گردد. داده‍های ایستگاه سیرا سد کرج در بازه زمانی 1353-1390 (37 سال) مورد استفاده قرار گرفت به نحوی که 15 متغیر به عنوان ورودی و یک متغیر به عنوان خروجی در نظر گرفته شد. نتایج نشان داد مدل عصبی-فازی در حالت استفاده از تعداد داده‍های آموزشی مناسب و ترکیب منتخب الگوریتم ژنتیک به مناسب‍ترین مدل‍سازی دست یافت. نکته لازم به ذکر این است که در حالت استفاده از تمام متغیرهای ورودی، مدل‍سازی مناسبی در مدل عصبی-فازی انجام نشد لذا استفاده از روش‍های تعیین ترکیب ورودی مناسب ضروری به نظر می‍رسد. در نهایت مدل الگوریتم ژنتیک به عنوان مناسب‍ترین روش و رگرسیون گام به گام در مرتبه دوم و آزمون گاما در مرتبه سوم به عنوان روش‍های مناسب تعیین ترکیب ورودی مدل عصبی-فازی انتخاب شدند. همچنین مدل عصبی-فازی در حالت استفاده از ترکیب منتخب الگوریتم ژنتیک در شبیه‍سازی بار رسوبی معلق با ضریب همبستگی 99/0 و میانگین مربعات خطا 0000009/0 به عنوان مناسب‍ترین مدل سازی انتخاب شد. <o:p /> In order to reduce sediment and soil conservation plan generation, the design and calculation of the exact size of the dam at dams, evaluation and estimation of sediment yield in the watershed of the dam, is essential. In general erosion and sediment transport of the most complex issues that determine the exact hydrodynamic equations for the various variables, it is not easy. The aim of this study was to simulate suspended sediment load using a neural-fuzzy model is combined This is necessary for the various input combinations using stepwise regression, genetic algorithm model and gamma test and then determine the most suitable model for the input. Karaj Dam Sierra station data in the period 1974-2011 (37 years) was used so that the 15variables as input and output variables as was considered. Results indicated neuro-fuzzy models in a suitable combination of the number of training data to select the most appropriate modeling of the genetic algorithm to be achieved. It should be noted that in the case of all input variables, modeling neuro-fuzzy model was not appropriate Therefore, methods are necessary to determine the appropriate combination of inputs. Finally, the Genetic Algorithm model as the most appropriate method and stepwise regression, second, and third order gamma test as appropriate methods to determine combination of neuro-fuzzy model inputs selected. The neuro-fuzzy model when using a selected combination of genetic algorithms to simulate suspended sediment load 99/0 correlation coefficient and the mean square error as the most appropriate modeling 0000009/0 has been selected. تعیین ترکیب ورودی, رگرسیون گام به گام, الگوریتم ژنتیک, آزمون گاما, نرم افزار Wingamma, ضریب گاما : select of input combinations, stepwise regression, genetic algorithms, Gamma test, Wingamma Software, Gamma Coefficient 27 34 http://jwmsei.ir/browse.php?a_code=A-10-1-199&slc_lang=fa&sid=1 محسن یوسفی Mohsenyosefi67@gmail.com 10031947532846003473 10031947532846003473 Yes