TY - JOUR T1 - Comparison and evaluation of the performance of data-driven models for estimating suspended sediment downstream of Doroodzan Dam TT - مقایسه و ارزیابی کارائی مدل‌های داده مبنا جهت تخمین رسوب معلق پایین دست سد درودزن JF - jircsa JO - jircsa VL - 9 IS - 3 UR - http://jircsa.ir/article-1-424-fa.html Y1 - 2021 SP - 1 EP - 12 KW - Artificial Neural Networks KW - Classic Regression KW - Doroodzan Dam KW - K-Nearest Neighbors KW - Suspended Sediment. N2 - سدها بر حسب ابعاد خود با ایجاد محیط­های ساکن بخش اعظمی از رسوب ورودی به مخزن را مهار می­کنند. با این وجود رسوب خروجی از سد به عوامل مختلفی مانند روش مدیریت سد، رسوب ورودی، ارتفاع آب در مخزن و شکل مخزن و دبی تخلیه بستگی دارد. در این تحقیق میزان رسوب معلق خروجی از سد درودزن بر اساس دوره آماری 25 ساله با استفاده از سه روش یادگیری بر اساس الگوریتم داده مبنا یعنی نزدیکترین نقاط همسایه، رگرسیون­گیری و شبکه عصبی مورد بررسی قرار گرفته است. نتایج نشان می­دهد که در روش نزدیک­ترین همسایه تعداد همسایه و وزن هر پارامتر بر دقت نتایج اثر گذار است بطوریکه در بین ساختارهای مختلف روش نزدیکترین همسایه، روش انتخاب 6 همسایه با انتخاب وزن­های 271/0 و 271/0 و 458/0 به ترتیب برای دبی ورودی و دبی رسوب ورودی و دبی خروجی نتایج مناسبتری را نسبت به دیگر ساختارهای این روش نشان می­دهد. در بین ساختارهای مختلف شبکه عصبی ساختار با 2 لایه مخفی و تعداد 4 و 7 گره بترتیب در لایه های اول و دوم دقت بالاتری نسبت به دیگر ساختارها نشان می­دهند. مقایسه هر سه روش نشان­دهنده دقت بالاتر روش شبکه عصبی نسبت به دو روش دیگر است. M3 ER -