@article { author = {Tolouei, S and Hosseinzadeh Dalir, A and Fakheri Fard, A and Salmasi, F}, title = {Spatial and Temporal Estimation of Suspended Sediment Load in Aji-chay River Using Geostatistics and Artificial Neural Network}, journal = {Water and Soil Science}, volume = {21}, number = {4}, pages = {93-104}, year = {2011}, publisher = {University of Tabriz}, issn = {2008-5133}, eissn = {2717-3755}, doi = {}, abstract = {        Sediment transport phenomenon in rivers, which has been under the consideration of specialists and water engineers, is one of the complicated problems in river engineering studies. Usually sediment transport and storage that threaten hydraulic structures in rivers are important problems. So presenting new and efficient approaches for accurate estimation of suspended sediment load at different scales will play very important role in river engineering studies. As in most of the sediment gauging stations of the country, sediment sampling is carried out daily and irregularly, if it is needed to know the suspended sediment load in a particular of river, it is necessary to utilize suitable temporal and spacial models. In this study, geostatistics and artificial neural network were used in order to combine time and space series analyses together to present a comprehensive model to estimate monthly suspended sediment load in Aji-chay river. Therefore, rational data has been produced with the aid of artificial neural network at monthly scale, then by both uni and multi-parametric estimators namely kriging and cokriging (in addition to suspended sediment load, water discharge is also used as a secondary variable) methods, monthly suspended sediment load was estimated along the Aji-chay river. Results showed that while both models were valuable in restricted area, the cokriging model in comparison with kriging model was more accurate.}, keywords = {}, title_fa = {تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی}, abstract_fa = {پدیده انتقال رسوب در رودخانه­ها از پیچیده­ترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب می­باشد. یکی از مشکلات عمده که سازه­های هیدرولیکی بنا شده در یک رودخانه را تهدید می­کند مسأله انتقال و انباشت رسوبات می­باشد. لذا ارائه­ی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانه­ها در مقیاس­های زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت. نظر به اینکه آماربرداری رسوب معلّق در اکثر ایستگاه­های رسوب سنجی کشور در مقیاس زمانی روزانه و به صورت نامنظّم انجام می­پذیرد در صورت نیاز به تخمین رسوبات معلق ماهانه در یک مقطع مشخص از رودخانه، لازم است این برآورد با استفاده از مدل­های زمانی و مکانی دقیق­تر انجام پذیرد. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی و علم زمین آمار و با ادغام آنالیز سری­های زمانی با آنالیز سری­های مکانی به ارائه یک مدل جامع، جهت تخمین بار معلق ماهانه در طول رودخانه آجی­چای اقدام گردیده است. بدین منظور با استفاده از شبکه عصبی مصنوعی اقدام به داده سازی منطقی در مقیاس زمانی ماهانه نموده و به وسیله تخمینگرهای تک پارامتری کریجینگ و چند پارامتری کوکریجینگ با منظور نمودن دبی جریان به عنوان پارامتر کمکی، مقدار بار معلق رسوبی ماهانه، در طول رودخانه آجی چای برآورد گردیده است. نتایج نشان دادند ضمن معتبر بودن هر دو مدل کریجینگ و کوکریجینگ در منطقه مورد مطالعه روش کوکریجینگ  در مقایسه با روش کریجینگ در برآورد مکانی بار معلق ماهانه نتایج بهتری را ارائه می­دهد.}, keywords_fa = {آجی‌چای,‌بارمعلق,برآورد مکانی,زمین آمار,شبکه عصبی مصنوعی}, url = {https://water-soil.tabrizu.ac.ir/article_1190.html}, eprint = {https://water-soil.tabrizu.ac.ir/article_1190_be6992bfe500c3d5dd4dd3c4438ee7fc.pdf} }