بهینه‌سازی ضرایب معادله سنجه رسوب با استفاده از الگوریتم ژنتیک (مطالعه موردی: ایستگاه‌های قزاقلی و باغ‌عباسی)

Abstract

برآورد صحیح غلظت رسوبات رودخانه‌ها برای برنامه‌ریزی و مدیریت پروژه‌های منابع آب اهمیت دارد.روش­های مختلفیبرایتعیینارتباطبیندبیجریانومقداررسوبتوسعهیافته است.منحنی سنجهرسوب یکیاز متداول‌ترینروش‌هایبرآوردرسوبمعلقرودخانه‌هامی­باشد که با خطای زیادی همراه است.به­منظورتخمین‌بهترمیزانرسوببا منحنیسنجه،می‌توان ضرایباینمعادلهرابا روش­های هوش مصنوعی بهینه کرد.هدفاینتحقیقاستفادهازالگوریتمژنتیک برایبهینه­سازی ضرایبمعادلهسنجهرسوب رودخانه­های گرگانرود ( ایستگاه قزاقلی) و فریمان( ایستگاه باغ عباسی) می­باشد. بدین منظور، آماردبی جریانوغلظت رسوب معلقبرای سال­های 1388-1350برای ایستگاه قزاقلی و سال­های 1388-1347 برای ایستگاه باغ­عباسی اخذ شد و منحنی<strong>­</strong>سنجه رسوب با استفاده از 70 درصد داده­ها به عنوان داده­های آموزش به­دست آمد. به منظور بهینه­سازی ضرایب، مدلالگوریتمژنتیکدر نرم‌افزارMATLAB2017برنامه­نویسیشد.نتایجبه‌دست‌آمدهنشان دادکهمدلالگوریتمژنتیک برای ایستگاه قزاقلی و باغ­عباسی به ترتیب با ضریب نش-­ساتکلیف 5/0، 72/0و ضریب تعیین 5/0 و 89/0 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغ­عباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینه­سازی رابطه دبی و رسوب به ویژه در ایستگاه­های با داده کم دارد.