ایمان پدرام - دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان
غلامعباس بارانی - استاد بخش مهندسی عمران دانشگاه شهید باهنر کرمان

تخمین بار معلق رودخانه به دلیل تاثیر آن در مدیریت منابع آب ، می تواند نقش اقتصادی مهمی داشته باشد. روشهای زیادی جهت اندازه گیری بار معلق وجود دارد که معمولا با خطای زیادی همراه است . در این تحقیق با استفاده از شبکه های عصبی مصنوعی (ANN) یک مدل هوشمند برای پیش بینی مقدار بار معلق رودخانه زاینده رود ارائه می شود. در این مدل از یک شبکه چند لایه پرسپترون (MLP ) با یک لایه پنهان استفاده شده است. الگوریتم انتخابی برای آموزش شبکه ها، الگوریتم Marquardt-Levenberg می باشد. ورودی شبکه شامل دبی و خروجی آن مقدار بار معلق روزانه می باشد. برای آموزش و تست شبکه از آمار روزانه موجود طی سالهای 1374 تا 1384 ایستگاه اندازه گیری قلعه شاهرخ سد زاینده رود استفاده شده است. ساختار بهینه و الگوی ورودی بهینه شبکه عصبی با سعی و خطا تعیین می گردد. تمام مراحل ایجاد شبکه، آموزش و تست آن با استفاده از جعبه ابزار شبکه های عصبی نرم افزار MATLAB انجام شده است. در پایان نتایج بدست آمده از مدل آموزش دیده، با نتایج واقعی مقایسه شد. ضریب همبستگی داده ها در مرحله تست 74/0 بدست آمد که نشان دهنده دقت قابل قبول مدل پیشنهادی در پیش بینی مقدار بار معلق می باشد.

بار معلق ، شبکه عصبی ، پرسپترون چند لایه