استفاده ازشبکه عصبی مصنوعی درآنالیزحساسیت تاثیرپارامترهای موثربربارمعلق رسوب: مطالعه موردی لیقوان چای

دراین تحقیق مدل شبکه عصبی مصنوعی ANN بعنوان یک مدل جعبه سیاه جهت بررسی تاثیردرجه حرارت و دبی جریان برمیزان باررسوب معلق حوضه ابریز لیقوان چای معرفی گردید مدل شبکه عصبی مصنوعی با الگوریتم اموزشی لونبرگ - مارگارت قانون یادگیری پس انتشارخطا BP برای تعیین ساختاربهینه مدل استفاده شد پس ازتعیین ساختاربهینه مدل تمام الگوریتم های اموزشی قانون پس انتشارخطا نیز مورد بررسی قرارگرفتند تا مقایسه ای بین الگوریتم ها صورت گیرد که الگوریتم مناسب همان الگوریتم لونبرگ - مارگارت تشخیص داده شد همچنین مقایسه ای بین نتایج مدل ANN با نتایج مدلهای اماری همچون مدل رگرسیونی مدل سری زمانی خود همبسته AR مدل منحنی توانی و مدل رگرسیونی خطی چندمتغیره MLR صورت گرفت ازروی نتایج حاصله میتوان عملکرد بهتر مدل ANN برمدلهای اماری کلاسیک را بیان کرد اما درمورد مدل خودهمبسته مرتبه بالاتر مدل ANN توانایی کمتری درانعکاس رفتاراستوکاستیکی متغیرهای هیدرولوژیکی داشته و اغلب درپیش بینی های قطعی بکارگرفته میشود دراین تحقیق حساسیت کمتر رسوب معلق به درجه حرارت محیط استنباط شده است

کلیدواژه ها:

بارمعلق رسوب ، مدل شبکه عصبی مصنوعی ، مدل های آماری ، آنالیز حساسیت ، لیقوان چای