TY - JOUR T1 - Suspended sediment load estimation by using feed forward back propagation (FFBP) and radial basis function (RBF), (Songurchay river) TT - تخمین بار معلق رسوبی رودخانه سنگورچای با استفاده از دو مدل شبکه عصبی مصنوعی JF - geospace JO - geospace VL - 16 IS - 56 UR - http://geographical-space.iau-ahar.ac.ir/article-1-694-fa.html Y1 - 2017 SP - 115 EP - 131 KW - Suspended sediment load KW - feed forward back propagation KW - radial basis function KW - Akaike Information System KW - Songurchay river N2 - حوضه رودخانه سنگورچای به عنوان یکی از شاخه های رودخانه قزل اوزن دارای حجم بالایی ازرسوبات است. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از مدل پیش خور با الگوریتم پس انتشار خطا(FFBP) و تابع پایه شعاعی(RBF) استفاده شد. در واقع طبیعت غیر خطی بار معلق رسوبی استفاده از مدل های فوق را به عنوان مدل های غیرخطی در شبیه سازی این پارامتر اجتناب ناپذیر کرده است. لیکن پارامترهای ورودی برای هر مدل متفاوت بوده و در یک مرحله تنها از داده دبی استفاده شده و در مرحله بعد علاوه بر داده دبی از داده بارندگی نیز در هر مدل استفاده گردید. سپس برای تعیین کارایی مدل ها از فاکتور مجذور میانگین مربعات خطا(RMSE) و خطای تعیین(R2) استفاده شده و مشاهده می شود که مدل RBF در صورت استفاده از دو پارامتر دبی و بارندگی به عنوان پارامترهای ورودی، با برخورداری از خطای تعیین 9251/0 و مجذور میانگین مربعات خطای معادل 265 میلی گرم در لیتر به نتایج بهتری دست یافته است. در نهایت برای تعیین قابلیت پارامتر RMSE در صحت سنجی هر یک از مدل ها، از سیستم اطلاعاتی آکائیک(AIC) استفاده شده و مشاهده شد که مدل RBF با برخورداری از مقادیر آکائیک معادل 1042 از قابلیت بهتری برخوردار است. M3 ER -