مقایسه روشهای رگرسیون آماری و فازی جهت برآورد رسوب معلق رودخانه تلوار
محورهای موضوعی : جغرافیای سیاسیبهارک معتمدوزیری 1 * , حسن احمدی 2 * , محمد مهدوی 3 * , فرود شریفی 4 *
1 - ندارد
2 - ندارد
3 - ندارد
4 - ندارد
کلید واژه: بار معلق, منطق فازی, USBR, FAO, رودخانه تلوار,
چکیده مقاله :
یکی از مهمترین مسائل در طراحی سازه های آبی، بررسی کیفیت آب، تعیین تأثیرات مدیریت آبخیز و حفاظت زیستگاه ماهیان، تعیین مقدار رسوبات معلق رودخانه ها می باشد. جهت برآورد بار معلق رودخانه ها از دو روش تجربی و رگرسیون آماری استفاده می شود؛ اما به دلیل تعدد روابط تجربی ارائه شده و ضرورت اصلاح آنها و ارائه ضرایب واسنجی جدید، در بیشتر موارد روش های رگرسیون آماری مورد استفاده قرار می گیرند. در روشهای رگرسیون آماری، با برازش یک تابع مناسب توانی از میان داده ها ، رابطه بین دبی جریان و دبی رسوب محاسبه و بر این اساس مقادیر رسوبات حمل شده توسط جریان محاسبه می گردد. این روش ها توان تفکیک ویژگی های خاص داده های جمع آوری شده را نداشته و از این جهت، نه تنها برآورد چندان دقیقی از میزان رسوبات حمل شده توسط جریان ارائه نمی دهند، بلکه امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان نیز در آنها وجود ندارد. با توجه به این مشکلات، امروزه بسیاری از محققین به روش های نوین پردازشی نظیر منطق فازی روی آورده اند. در تحقیق حاضر، ضمن برآورد رسوب معلق ایستگاه های هیدرومتری واقع بر روی رودخانه تلوار با دو روش معمول رگرسیون آماریِ USBR و FAO ، با استفاده از مدل طراحی شده بر اساس اصول منطق فازی نیز مقدار رسوب معلق ایستگاه ها برآورد شده است. نتایج حاکی از این می باشد که با استفاده از منطق فازی، امکان بررسی تغییرات زمانی میزان رسوبات حمل شده توسط جریان وجود داشته و این روش نسبت به روش های USBR و FAO برآورد نسبتاً دقیق تری از میزان رسوبات حمل شده ارائه می نماید
Estimation of rivers sediment load is one of the most important problems for designof hydraulic structures, investigating water quality, conserving fish habitate, estimatingerosion and determining watershed management effects.There is two metheod for estimating sediment load: empirical and regressionmethods. Existence of numerous empirical methods for estimation of river sedimentload, a wide range of calibration coefficients shows that a suitable analytical orempirical method does not yet exist to accurately estimate the sediment load.Therefore, the measured discharges and sediment concentrations in hydrometrystations are statistically analyses for an accurate estimation of sediment loads in rivers.In usual statistical methods a power function is generally fitted on the data sets of flowand sediment discharge and thus the total sediment load could be calculated using thisfunction. These methods are not able to recognize and separate the specific datameasuring conditions. Therefore, they are not only able to accurately estimate thesediment load, but also can not show the temporal variation of sediment loads. In spiteof this problems, researcher are using Artificial Intelligence methods such as FuzzyLogic, nowadays.In this study, the measured suspended sediment load at hydrometry stations ofTelvar River is analyzed using USBR and FAO methods (usual statistical methods).Furthermore, Sediment suspended load are estimated with a model developed based onFuzzy Logic rules. Then the results of these mothods are compared. This researchstudy has shown that the temporal variation of sediment loads can be analyzed using afuzzy method. Also the, results obtained using the fuzzy method in comparison withthe corresponding values obtained using the usual statistical methods shows a bettercorrelation with the observed values. In all stations the fuzzy method estimated thesediment loads between ones obtained using statistical methods.