شبیه سازی سری زمانی بار معلق رودخانه توسط مدل شبکه عصبی مصنوعی

امروزه پیش بینی رسوب رودخانه ها در بحث مهندسی مدیریت رودخانه ها و منابع آب از اهمیت بسیاری برخوردار است. نظر به پیچیدگی پدیده رسوب و عدم توانایی تعیین دقیق معادلات حاکمه بدلیل تاثیرات پارامترهای مختلف و نیز تاثیر مسائلی نظیر تغییرات مکانی و زمانی شرایط هیدرولوژیکی حوضه آبریز و مشکلات ناشی از تعیین تاثیرات آنها، محققان به استفاده از مدلهای جعبه سیاه نظیر مدل شبکه عصبی مصنوعی روی آورده اند. در این تحقیق از مدلهای شبکه عصبی، رگرسیونی و منحنی سنجه رسوب برای مدلسازی سری زمانی غیر خطی بار معلق رودخانه (Suspended Sediment Load) استفاده شده است. در مدلهای طراحی شده با دادن سری زمانی دبی جریان و بار معلق در زمانهای قبل، می توان بار معلق در زمان آینده را پیش بینی نمود. در این مطالعه که برروی ایستگاه آبسنجی ایوا کشور آمریکا انجام گرفته، توانایی مدلها در پیش بینی رسوب در مواقع سیلابی نیز مورد بررسی قرار گرفته است نتایج مقایسات انجام یافته در مباحث مختلف این مطالعه، نشان دهنده برتری مدل عصبی به سایر مدلها در پیش بینی رسوب رودخانه بوده است.

کلیدواژه ها:

مدل عصبی ، رسوب ، رگرسیون ، منحنی سنجه