خلاصه مقاله:
برآورد صحیح بار رسوبی در طرحهای آبی بسیار حائز اهمیت است، رسوبگذاری در مخان سدها و کاهش آنها تغییر مسیررودخانهها به دلیل رسوبگذاری در بستر آنها و اثرات منفی در ظرفیت آبگذری کانال انتقال آب تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلاتی ناشی از این پدیده اهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است اگرچه در دهه اخیر تحقیقاتی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقیق آنها بر روابط تجربی همچون منحنی سنجه رسوب ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل سبب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای پیش بینی با خانه ها ارائه شده و دقت نتایج حاصل با روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفته است و در پیش بینی جریان و رسوب معلق رودخانه و جهت مدل سازی و تایید برنامه ریزی ژنتیک از داده های مربوط به سال ........... از ایستگاه هیدرومتری رودخانه بیطاس واقع بر روی سدمهاباد در استان آذربایجان غربی مورد استفاده است و با یک فرآیند آموزش عمل پیش بینی انجام گرفت و نتایج محاسباتی با داده های مشاهداتی را جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و ... گرقت نتایج حاصله حاکی از دقت بالای برنامه ریزی ژنتیک در مقایسه با شبکه عصبی مصنوعی و کارایی .... بار معلق رودخانه ها می باشند
کلمات کلیدی:
تخمین بارمعلق ، برنامه ریزی ژنتیک ، شبکه عصبی مصنوعی ، رودخانه بیطاس
پیش بینی بارمعلق رودخانه ها برمبنای دبی جریان با استفاده ازبرنامه ریزی ژنتیک
