تحلیل حساسیت توابع محرک مدل شبکه عصبی مصنوعی در تخمین غلظت رسوبات معلق

تخمین و ارزیابی حجم رسوب انتقال یافته در رودخانه از جمله مسائل مهم در مهندسی هیدرولیک و مهندسی محیط زیست است و از دیدگاه فرسایش، رسوب گذاری، برداشت مصالح از رودخانه، کشتیرانی و مدیریت بهره برداری از سدها همواره برای مهندسین و دانشمندان حایز اهمیت بوده است . ماهیت غیر خطی و همچنین دامنه تغییرات وسیع در غلظت بار رسوبی، ایجاب می کند که یک روش غیر خطی برای برآورد و ارزیابی بار رسوبی به کار گرفته شود . این مقاله با استفاده از شبکه های عصبی مصنوعی به پیش بینی توزیع غلظت بار رسوبات معلق می پردازد . برای این منظور از روش الگوریتم پس انتشار ) (Back Propagation استفاده می شود . جهت آموزش و آزمایش مدل شبکه عصبی از داده های رودخانه های Mississippi و Colorado استفاده شده است . نتایج نشان دهنده این واقعیت است که مدل شبکه عصبی توانایی بالایی در مدل سازی بار معلق رسوب رودخانه داشته است . همچنین در این تحقیق در جهت افزایش دقت مدل بر روی توابع محرک و نیز پارامترهای ورودی به مدل شبکه عصبی تحلیل حساسیت لازم صورت پذیرفته است . نتایج حاکی از آن است که پارامترهای بدون بعد لورسن همبستگی مناسبی با رسوبات دارند .

کلیدواژه ها:

غلظت بار رسوبی ، شبکه های عصبی مصنوعی ، الگوریتم پس انتشار ، تحلیل حساسیت