1استادیار گروه آبخیزداری، دانشکده کشاورزی و منابع طبیعی واحد اراک، دانشگاه آزاد اسالمی، اراک، ایران
2عضو هیأت علمی سازمان تحقیقات آموزش و ترویج کشاورزی و پژوهشکده حفاظت خاک و آبخیزداری
3عضو هیأت علمی سازمان تحقیقات اموزش وترویج کشاورزی
4عضو هیأت علمی پژوهشکده حفاظت خاک و آبخیزداری
5مرکز تحقیقات کشاورزی و منابع طبیعی استان مرکزی
چکیده
کاربرد روشهای نروفازی ورگرسیون درختی در هیدرولوژی رسوب رودخانهها و حوزههای آبخیز توسعه چندانی ندارد و بیشتر از آن منحنیهای سنجه رسوب به عنوان متداولترین روش برآورد رسوب شناخته شدهاند. در این تحقیق به منظور مقایسه و اصلاح روشهای برآورد بار رسوبی رودخانهها، مقادیر برآوردی چند نوع منحنی سنجه رسوب تک متغیره و یک نوع منحنی سنجه رسوب چند متغیره با روشهای نروفازی و رگرسیون درختی در 5 ایستگاه هیدرومتری منتخب از مناطق اقلیمی مختلف کشور با شاخصهای مختلف دقت و صحت مورد بررسی قرار گرفت. نتایج نشان میدهد متوسط شاخص صحت روشهای نروفازی و رگرسیون درختی در ایستگاههای منتخب به ترتیب در حدود 151 و 536 درصد بوده که در مقایسه با منحنیهای سنجه رسوب کارایی پایینی را نشان میدهد. نتایج حاصل از کاربرد منحنیهای سنجه رسوب چند متغیره در ایستگاههای مختلف نشان میدهد که مقدار شاخص صحت این روش در مناسبترین حالت مربوط به ایستگاه گلینک با مقدار شاخص 1.12 بوده است. از طرفی مقدار متوسط شاخص صحت این روش در حدود 1.5 بوده که مقدار قابل قبولی نسبت به روشهای مختلف دیگر به حساب میآید.
1Assistant Professor, Department of Watershed Management, Faculty of Agriculture and Natural Resources, Arak Branch, Islamic Azad University, Arak, Iran
2Faculty member of Agricultural Education and Promotion Research Organization and Soil Protection and Watershed Management Research Institute
3Faculty member of the Agricultural Research, Education and Promotion Organization
4Faculty member of soil protection and watershed management research institute
5Agricultural and Natural Resources Research Center of Markazei Province
چکیده [English]
Application of Neuro-fuzzy and tree regression models is not too old in hydrology of river sediments and also in watersheds and in this regard, sediment rating curves have been identified as the most common method for estimating sediment. In this study for comparison and correction of estimation methods of river sediment load, estimated rates of several uni-variate types of sediment rating curves and a multivariate type of sediment rating curves were investigated with Neuro-fuzzy and tree regression models in five selective hydro-metric station of different climatic zones of Iran and with various indexes of the accuracy and the precision. The results show that the mean of the accuracy index of Neuro-fuzzy and tree regression models in selective stations are 151 and 536 percent respectively which shows low efficiency compared with sediment rating curves. The results of the application of multivariate sediment rating curve in various station shows that the rate of the accuracy index of multivariate sediment rating curve in the best case is belong to Glinak station with the rate of 1.12. Also the average value of the accuracy index of multivariate sediment rating curve is 1.15 which is an acceptable amount to the other considered various methods.
کلیدواژهها [English]
Tree regression, Neuro-fuzzy, sediment rating curve, suspended load