fa پیش‌بینی بار معلق رودخانه با استفاده از مدل‌های سری زمانی و منحنی سنجه اصلاح شده (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود) تخصصي Special پژوهشي Research <p><strong><span dir="RTL">برآورد میزان رسوبات معلق در رودخانه&shy;ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سد سازی، حیات آبزیان و </span></strong><span dir="RTL">هم‌چنین<strong> جنبه&shy;های مختلف تحقیقاتی دارای اهمیت فراوانی است. روش&shy;های مختلفی برای بررسی و برآورد بار معلق رودخانه&shy;ها وجود دارد که توانایی این روش&shy;ها در برآورد رسوبات متفاوت است. یکی از پرکاربردترین روش&shy;ها در این زمینه، منحنی سنجه رسوب می&shy;باشد. روش&shy;های نوظهوری مانند سری&shy;های زمانی نیز وجود دارد که کم‌تر در این زمینه به&shy;کار گرفته شده&shy;اند. در تحقیق حاضر به‌منظور بررسی و مقایسه توانایی مدل‌های سری زمانی از قبیل &nbsp;مارکف و آریما در پیش&shy;بینی رسوب معلق، از داده&shy;های متوسط ماهانه رسوب معلق ایستگاه قزاقلی واقع بر روی رودخانه گرگانرود استفاده شده است. وجود آمار نسبتاً کافی در این ایستگاه فرصت بررسی و مقایسه مناسب روش‌های مختلف برآورد رسوب معلق را فراهم می&shy;کند.</strong></span> <strong><span dir="RTL">به‌منظور استفاده از مدل‌های سری زمانی، داده&shy;های موجود به‌صورت ماهانه در محیط نرم&shy;افزار</span></strong><strong>Minitab 16 </strong><strong><span dir="RTL">&nbsp;به‌کار گرفته شد و در نهایت پیش&shy;بینی رسوب برای 111</span></strong> <strong><span dir="RTL">ماه انجام گرفت.</span></strong> <strong><span dir="RTL">منحنی سنجه رسوب نیز در محیط </span></strong><strong>Excel</strong><strong><span dir="RTL"> ترسیم شد و جهت مقایسه با مدل‌های سری زمانی به‌کار رفت. نتایج حاصل از ارزیابی مقادیر پیش&shy;بینی شده رسوب توسط مدل‌های مذکور، با </span></strong></p> <p dir="RTL"><strong>استفاده از شاخص&shy;های اندازه&shy;گیری خطا شامل مجذور میانگین مربعات خطا و میانگین مربعات خطای نرمال شده بررسی شد. نتایج نشان داد که </strong><strong>مدل‌های سری زمانی</strong><strong> با مجذور میانگین مربعات خطای 34/71 در مقایسه با منحنی سنجه رسوب با مجذور میانگین مربعات خطای 75/220 توانایی بهتری در پیش&shy;بینی و مدل&shy;سازی رسوب معلق ماهانه دارند. میانگین مربعات خطای نرمال شده </strong><strong>هم</strong> <strong>برای </strong><strong>مدل‌های سری زمانی </strong><strong>و منحنی سنجه رسوب به ترتیب برابر با 62/28 و 48/2 بوده که توانایی بهتر مدل&shy;های سری زمانی را تأیید می&shy;کند.&nbsp;</strong></p> <p>Accurate estimation of suspended sediment in rivers is very important from different aspects including agriculture, soil conservation, shipping, dam construction and aquatic research. There are different methods for suspended sediment estimation. In the present study to evaluate the ability of time-series models including Markov and ARIMA in predicting suspended sediment and to compare their results to sediment rating curve (SRC) it was tried to use daily suspended data from Ghazaghly station of Gorganroud River, as average monthly values in Minitab 16 &nbsp;software and finally suspended sediment was predicted for 111 months. In the next step, different combinations of all types of SRC and bias correction factors were used in Excel software to evaluate ability of SRC in suspended sediment estimation. Based on the results of this study, monthly SRC without bias correction factor was the most appropriate SRC models. To compare efficiency of different models in estimating suspended sediment, Root Mean Square Errors (RMSE) and Normalized Mean Square Errors (NMSE) were used. Time series model performance measured by RMSE and NMSE was about 71.34 and 2.48 respectively, compared to SRC model with RMSE 220.75 and NMSE 28.62. Results showed a good ability of time series models in estimating average monthly suspended sediment</p> رسوب معلق, آریما, مارکف, مدل‌سازی Suspended sediment, Markov, ARIMA, Model. 77 88 http://jwmsei.ir/browse.php?a_code=A-10-207-2&slc_lang=fa&sid=1 fatemeh barzegaribanadkoki فاطمه برزگری بنادکوکی 10031947532846004900 10031947532846004900 Yes mohsen armin محسن آرمین 10031947532846004901 10031947532846004901 No