برآورد دبی رسوب معلق ایستگاه قرآن طالار بابل رود به کمک شبکه عصبی مصنوعی

برای محاسبه حجم رسوبات حمل شده توسط رودخانه ها که در بسیاری از مباحث مهندسی آب اهمیت ویژه ای دارد، روش های متعددی ارائه شده است. به دلیل ساختار کاملاً غیرخطی پدیده رسوب، روش های کلاسیک و رایج مانند منحنی سنجه قادر به تخمین صحیح دبی رسوبات نمی باشند. در سال های اخیر، روش های هوش مصنوعی از جمله شبکه عصبی مصنوعی به عنوان ابزاری توانمند برای حل مسائل غیرخطی و دستیابی به نتایج نزدیک به واقعیت مطرح شده اند. در این تحقیق با بهره گیری از نرم افزار متلب و شبکه پرسپترون چندلایه با الگوریتم آموزشی پس انتشار خطا، معماری مطلوب شبکه برای حصول به نزدیک ترین جواب به آمار مشاهده ای ایستگاه قرآن طالار بابل رود بدست آمده و با روش منحنی سنجه رسوب مورد مقایسه قرار گرفته است. نتایج حاکی از برتری مدل شبکه عصبی نسبت به روش های معمول آماری در برآورد دبی رسوب معلق بوده است.

کلیدواژه ها:

بابل رود ، بار معلق ، پرسپترون ، پس انتشار خطا ، شبکه عصبی مصنوعی