fa تخمین رسوبات معلق رودخانه ای با روش ANNs و ANFIS با مدل‌سازی در MATLAB (مطالعه موردی: رودخانه دز خوزستان) تخصصي Special پژوهشي Research <span style="font-size:10pt"><span style="line-height:normal"><span style="text-autospace:none"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" romans="" style="font-family:" times=""><span b="" lang="FA" mitra="" style="font-family:">مدل&shy;سازی و تجزیه و تحلیل بار رسوبات معلق در رودخانه&shy;ها</span> <span b="" lang="FA" mitra="" style="font-family:">به‌ویژه در مناطقی مانند حوضه‌ی رودخانه دز که به تالاب‌های حساس خوزستان می‌ریزد، به دلیل تاثیر آن بر تغییرات مورفولوژی رودخانه و وجود روابط غیرخطی بین عوامل موثر بر پدیده&shy;های مختلف هیدرولوژیکی، ابزاری</span><i> </i><span b="" lang="FA" mitra="" style="font-family:">اساسی در مدیریت کیفیت آب و بهره&shy;برداری سازه&shy;های هیدرولیکی به</span><i> </i><span b="" lang="FA" mitra="" style="font-family:">شمار</span><i> </i><span b="" lang="FA" mitra="" style="font-family:">می&shy;رود. در این پژوهش برآورد بار معلق رسوب رودخانه دز در ایستگاه هیدرومتری سد تنظیمی دزفول با استفاده از مدل&shy;های </span><a name="_Hlk154249890"><span dir="LTR" style="font-size:8.0pt">ANNs</span></a><i> </i>&nbsp;<span b="" lang="FA" mitra="" style="font-family:">و </span><a name="_Hlk154249865"><span dir="LTR" style="font-size:8.0pt">ANFIS</span></a> <span b="" lang="FA" mitra="" style="font-family:">مورد بررسی قرار گرفت. مدل‌ها در محیط نرم‌افزار </span><span dir="LTR" style="font-size:8.0pt">MATLAB</span> <span b="" lang="FA" mitra="" style="font-family:">توسعه یافته و کارایی آن‌ها با معیارهای ضریب تعیین</span><span lang="FA" style="font-size:9.0pt"><span b="" mitra="" style="font-family:"> (</span></span><i><span dir="LTR" style="font-size:9.0pt">R&sup2;</span></i><span lang="FA" style="font-size:9.0pt"><span b="" mitra="" style="font-family:">)</span></span><span b="" lang="FA" mitra="" style="font-family:">، ریشه میانگین مربعات خطا (</span><span dir="LTR" style="font-size:8.0pt">RMSE</span><span b="" lang="FA" mitra="" style="font-family:">)، ضریب نش-ساتکلیف (</span><span dir="LTR" style="font-size:8.0pt">NS</span><span b="" lang="FA" mitra="" style="font-family:">) و خطای مطلق میانگین (</span><span dir="LTR" style="font-size:8.0pt">MAE</span><span b="" lang="FA" mitra="" style="font-family:">) مورد سنجش قرار گرفت. همچنین، تفکیک داده‌ها بر اساس شرایط جریان، منجر به بهبود معنادار دقت در برازش منحنی سنجه رسوب و خروجی مدل‌ها گردید. نتایج نشان داد که برآوردهای روش&shy;های </span><span dir="LTR" style="font-size:8.0pt">ANNs</span> <span b="" lang="FA" mitra="" style="font-family:">و نروفازی از دقت بالایی برخوردارند. مطابق نتایج تفکیک داده&shy;ها برای شرایط مختلف بارش و جریان، می&shy;تواند همگنی لازم را برای ایجاد منحنی سنجه&shy; رسوب در داده&shy;ها با دقّت و صحّت بالاتر ایجاد &shy;کند. همچنین نتایج نشان داد </span><span b="" lang="AR-SA" mitra="" style="font-family:">مدل </span><span dir="LTR" style="font-size:8.0pt">ANFIS</span> <span b="" lang="AR-SA" mitra="" style="font-family:">به دلیل توانایی بالا در شناسایی روابط غیرخطی پیچیده بین متغیرهای هیدرولوژیکی، می‌تواند به عنوان یک ابزار قدرتمند برای مدل‌سازی و پیش‌بینی رسوب معلق نه تنها در رودخانه دز، بلکه در سایر حوضه‌های مشابه کشور مورد استفاده قرار گیرد</span><span b="" lang="FA" mitra="" style="font-family:">. همچنین برای پیش&shy;بینی متغیرهای فرسایش، رسوب و حجم رواناب به عنوان یکی از پیچیده&shy;ترین مسـائل هیـدرودینامیکی و اکولوژیکی، مدل هوشمند و غیرخطی نروفـازی به دلیل کارایی بالا در شـناخت روابـط غیرخطـی و پیچیـده برای شبیه&shy;سازی فرسایش و رواناب در محدوده مطالعاتی و حوضه&shy;های مشابه کشور از قابلیت و کارایی بیشتری برخوردارند</span><span b="" lang="FA" mitra="" style="font-family:">.</span> <span b="" lang="AR-SA" mitra="" style="font-family:">کاربست این مدل‌ها می‌تواند مبنای علمی مناسبی برای برآورد ورودی رسوب به تالاب‌های پایین‌دست، ارزیابی اثرات تغییرات رسوب بر اکوبیولوژی تالاب و در نهایت، کمک به تدوین راهبردهای مدیریت یکپارچه حوضه‌ی آبخیز و اکوسیستم‌های تالابی فراهم کند.</span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:10pt"><span style="line-height:normal"><span style="tab-stops:right 177.2pt"><span style="unicode-bidi:embed"><span new="" romans="" style="font-family:" times=""><span style="font-size:11.0pt"><span new="" roman="" style="font-family:" times="">In recent years, the use of intelligent systems in order to increase the accuracy of estimating the amount of river sediments has become common. The studied area is the end part of the Dez River basin, which is one of the largest basins of Karoon with an area of 6288 square kilometers, which passes through the agricultural areas of Dezful and Shush. In this research, using MATLAB software and in order to evaluate the model estimation results, the data related to the measurements of concentration or sediment discharge with their corresponding flow rate during the period of time were transferred to a logarithmic axis and created through the relationship between river discharge, sediment discharge and the generalization of this relationship to river flow statistics, the best fitting line was passed through the points using the least squares method and was extracted. Next, in order to evaluate the results of artificial neural network models (ANNs), ANFIS and compare them with regression estimates, these models are simulated. Finally, the criteria of coefficient of determination (R2), root mean square error (RMSE), Nash-Sutcliffe coefficient (NS), standard deviation (STDVE) and mean absolute value of relative error (MAE) were used to find the best model. According to the results, it can be concluded that neuro-fuzzy inference system (ANFIS) is a suitable choice. The results of forecasting and estimation of suspended sediments in Dez River indicate the superiority of FIS over artificial neural network (ANNs). In this regard, models based on neural network are more effective in the field of point forecasts and do not have the ability to reflect and consider the stochastic behavior of hydrological variables and cannot reflect the uncertainty of the forecast in the output</span></span><span lang="EN" style="font-size:11.0pt"><span new="" roman="" style="font-family:" times="">.</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span style="font-family:"B Zar""></span></span></span></span></span></span></span><br> &nbsp; مدیریت حوضه آبخیز, نروفازی, رسوبگذاری, بار معلق رودخانه, رودخانه دز. Modeling, ANFIS, ANNs, river suspended load, Dez river. 1 13 http://jweb.ahvaz.iau.ir/browse.php?a_code=A-10-379-12&slc_lang=fa&sid=1 Mohamad ali Sakiani محمدعلی ساکیانی sakiani7@kmsu.ac.ir 10031947532846007298 10031947532846007298 No kmsu دانشگاه علوم و فنون دریایی خرمشهر heeva elmizadeh هیوا علمیزاده Elmizadeh@kmsu.ac.ir 10031947532846007297 10031947532846007297 Yes kmsu دانشگاه علوم و فنون دریایی خرمشهر Amin Zoratipour امین ذرتی پور Zoratipor@asnrukh.ac.ir 10031947532846007299 10031947532846007299 No Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani