fa ارزیابی روش های فراکاوشی در محاسبه دبی رسوبات معلق رودخانه اهرچای تخصصي Special پژوهشي Research تخمین صحیح مقدار رسوب و نقش آن در طراحی و مدیریت پروژه‌های منابع آب با در نظر گرفتن مشکلات فنی و اقتصادی، امکان احداث و بهره‌برداری از ایستگاههای رسوب‌سنجی، همیشه نقش حیاتی در پیشبرد صحیح مطالعات مهندسی رودخانه دارد. بنابراین ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه‌ها بسیار سودمند خواهد بود. به علت عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تأثیرگذار در فرآیند رسوب و همچنین ساختار کاملاً غیرخطی برای مدل‌بندی آن در روش های مذکور نمی‌توان مدل جامعی به علت برآورد نه‌چندان دقیق و عدم امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان معرفی نمود. هدف از این تحقیق بررسی قابلیت‌ مدل-های شبکه عصبی مصنوعی و برنامه‌ریزی ژنتیک به منظور پیش‌بینی رسوب معلق در رودخانه اهرچای می‌باشد. در این مدل‌ها برای تخمین بار معلق از دبی جریان، بارش، دما و داده‌های رسوب پیشین استفاده شده است. این مدل‌ها در حوضه اهر‌چای واقع در استان آذربایجان شرقی به کار برده شده و نتایج آن با داده‌های مشاهداتی مورد بررسی و مقایسه قرار گرفته است. به منظور ارزیابی کارایی هر یک از مدل‌های فوق، مقادیر مشاهداتی و مقایسه آن با مقادیر محاسباتی توسط هر یک از مدل‌ها از معیارهای ضریب تبیین(R2)، معیار نش‌- ‌ساتکلیف(E) و جذر میانگین مربعات خطا (RMSE) استفاده گردید. در نهایت مدل برنامه‌ریزی ژنتیک به عنوان بهترین مدل در برآورد رسوب رودخانه اهرچای شناسایی و توصیه می‌شود. Correct estimation of suspended sediment and its impact on the design and management of water projects, have always vital roles in advancement of studies concerning the river engineering, especially with consideration of the technical and economic difficulties associated with the installation and operation of stations for measuring sedimentation. Therefore, presenting an appropriate strategy for accurate prediction of sediment load of rivers would be significantly valuable. The deficiency in having a full set of precise measurements for the influential parameters in the sedimentation process and also the complete non-linear nature of models for the corresponding methods result in the rather inaccurate estimation, and therefore without the possibility of evaluating the changes in the sedimentation carried by the flow as a function of time, it would be impossible to come up with a comprehensive model. The purpose of present study is the evaluation of capability of Artificial Neural Networks (ANN) and Genetic Programing (GP) in predicting the sediment load in the Ahar-Chai. In order to estimate the sediment load, flow rate data, precipitation data, temperature data, and earlier sedimentation data have been used in these models. These models were applied to the Ahar-Chai River located in the East-Azarbayjan Province and the results were investigated and were compared to the collected data. In order to assess the efficiency of each of aforementioned models, the calculated data using each model were compared to the observed data using parameters namely, Coefficient of determination (R2), Nash-Sutcliffe model efficiency coefficient (E) and root mean square error (RMSE). Finally, the Genetic Programing was identified as the best model in estimating the sedimentation in Ahar-Chai river was identified and recommended. برنامه‌ریزی ژنتیک(GP), حوضه اهرچای, بار معلق, شبکه عصبی مصنوعی(ANN), مدل‌سازی. Artificial Neural Network (ANN). Sediment load, Modeling, Ahar-Chai River, Genetic programing (GP), 113 132 http://geographical-space.iau-ahar.ac.ir/browse.php?a_code=A-10-1-59&slc_lang=fa&sid=1 عبداله حسین‌پور 10031947532846003992 10031947532846003992 Yes کارشناس‌ارشد مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی محمدعلی قربانی 10031947532846003993 10031947532846003993 No دانشیار گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز صابره دربندی 10031947532846003994 10031947532846003994 No استادیار گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز