fa ارائه مدل مناسب برآورد بار رسوب معلق با استفاده از تلفیق توابع رگرسیونی و کلاسه‌بندی زمانی دبی در حوضه آبخیز بالیخلی‌چای (استان اردبیل) تخصصي Special كاربردي Applicable <p>با توجه به اثرات زیان‌بار اقتصادی و زیست‌محیطی ناشی از بار رسوبی رودخانه‌ها، تحقیق حاضر به منظور ارزیابی و ارائه مدل مناسب برآورد بار رسوبی در ایستگاه پل الماس واقع بر روی رودخانه بالیخلی انجام گرفت. در این راستا جهت افزایش صحت و کارایی منحنی سنجه برآورد رسوب، اقدام به ارزیابی و مقایسه روش‌های تلفیقی در قالب تحلیل توابع رگرسیونی مختلف بر اساس کلاسه‌بندی زمانی داده‌های دبی و رسوب متناظر آن در یک دوره 31 ساله گردید. مدل‌های مختلف بر اساس معنی‌داری در سطح 05/0 و با استفاده از شاخص خطای استاندارد برآورد (SEE) در محیط نرم‌افزار آماری SPSS مورد آزمون قرار گرفت تا مدل مناسب برآورد بار رسوبی انتخاب گردد. نتایج نشان از کارایی خوب مدل توانی در بین مدل‌های رگرسیونی و مدل ماهانه در بین مدل‌های زمانی داشت. بنابراین مدل رگرسیونی توانی ماهانه با داشتن کمترین میزان خطای استاندارد برآورد (81/0) نسبت به سایر مدل‌ها، به عنوان مدل مناسب برآورد بار رسوب معلق انتخاب گردید. در مقابل مدل زمانی که در آن از کل داده‌ها بدون انجام طبقه‌بندی جهت برازش توابع رگرسیونی به داده‌های دبی و رسوب استفاده شد به عنوان ناکارآمدترین مدل شناخته شد. در پایان نتیجه گرفته شد که به‌کارگیری مدل ماهانه جهت آگاهی از رژیم رسوب‌دهی و پیچیدگی‌های انتقال رسوب در حوضه مورد مطالعه می تواند مفید واقع شود.</p> <p>This study was done for evaluating and providing an suitable model to estimate sediment load in the Almas Bridge water gage established on Balikhly river regarding harmful economic and environmental effects caused by river sediment load. In this context, we evaluate and compare synthetic methods into regression analyses based on classification of discharge and corresponding sediment load data over 31 years in order to increase accuracy and efficiency of sediment rating curve. Various models were tested based on significance level of 0/05 and standard error of estimate (SEE) in SPSS software to select the suitable sediment load estimation model. Results indicated good performance of the exponential model among regression models and the monthly model among temporal models. Thus, the monthly power regression model with the lowest SEE (0/81) was selected as the proper model for estimating suspended sediment load. In contrary, the temporal model used for fitting regression functions to discharge and sediment load data based on all data without classification, was recognized as the most non-efficient model. Finally, it is concluded that the monthly model can be useful to know of sediment yield regime and complexity of sediment load transport in the watershed.</p> دبی رسوب, دبی جریان, منحنی سنجه رسوب, دسته بندی, رگرسیون, بالیخلی‌چای Sediment yield, Discharge, Sediment rating curve, Classification, Regression, Balikhli cay 133 149 http://geographical-space.iau-ahar.ac.ir/browse.php?a_code=A-10-1297-3&slc_lang=fa&sid=1 mortaza gharachorlu مرتضی قراچورلو morchorloo@gmail.com 100319475328460012214 100319475328460012214 Yes Mohaghegh Ardebili University دانشگاه محقق اردبیلی faraiba esfandyari فریبا اسفندیاری Esfandyari@uma.ac.ir 100319475328460012215 100319475328460012215 No Mohaghegh Ardebili University دانشگاه محقق اردبیلی