%0 Journal Article %T ارزیابی عملکرد روش‌های داده‌گرا در تخمین بار کل رسوبی رودخانه های شنی %J تحقیقات آب و خاک ایران %I دانشگاه تهران %Z 2008-479X %A روشنگر, کیومرث %A شهنازی, سامان %D 2019 %\ 10/23/2019 %V 50 %N 6 %P 1467-1477 %! ارزیابی عملکرد روش‌های داده‌گرا در تخمین بار کل رسوبی رودخانه های شنی %K بار کل رسوبی %K رودخانه های شنی %K ماشین بردار پشتیبان %K شبکه عصبی مصنوعی %K رگرسیون فرآیند گاوسی %R 10.22059/ijswr.2019.253848.667867 %X انجام مطالعات فراوان در رابطه با انتقال رسوب و به‌ویژه پیش­بینی این پدیده نشانگر اهمیت بسیار بالای آن در علوم مرتبط با مهندسی و مدیریت منابع آب می­باشد. در این بین روش­های هوشمند در سال­های اخیر به طور موفقیت‌آمیزی در پیش­بینی بار بستر، بار معلق و همچنین بار کل رسوب به کار گرفته شده است. با این حال با توجه به کمبود داده­های مرتبط به بار کل برای رودخانه­های با بستر شنی، مطالعات انجام گرفته در این راستا محدود می­باشد. هدف از تحقیق حاضر استفاده از روش­های قدرتمند ماشین بردار پشتیبان، شبکه­ عصبی مصنوعی و رگرسیون فرآیند گاوسی به منظور پیش­بینی بار کل رسوب در 19 رودخانه شنی واقع در ایالات‌متحده آمریکا و مقایسه نتایج حاصل با روش­های کلاسیک مرسوم می­باشد. بدین منظور پارامترهای بدون بعد مختلفی مبتنی بر هیدرولیک جریان و مشخصات رسوب تعریف و عملکرد روش­های مذکور مورد ارزیابی قرار گرفت. با توجه به نتایج به دست آمده شبکه عصبی مصنوعی با دارا بودن ضریب همبستگی و معیار ناش- ساتکیف به ترتیب برابر با 952/0 R= و 903/0 NSE= برای داده­های صحت­سنجی از عملکرد بهتری نسبت به دو روش دیگر برخوردار می­باشد. در نهایت با انجام تحلیل حساسیت، پارامتر نسبت سرعت متوسط به سرعت برشی جریان به عنوان تأثیرگذارترین پارامتر در پیش­بینی بار کل رسوب معرفی شد. %U https://ijswr.ut.ac.ir/article_73217_6314e2be1c02a7f75d572aaa25db9d8c.pdf