غلامعلی منتظر - استادیار دانشکده مهندسی دانشگاه تربیت مدرس
امیراحمد دهقانی - دانشجوی دکترای عمران (گرایش هیدرولیک) دانشگاه تربیت مدرس
پرویز فتحی - دانشجوی دکتری آبیاری دانشگاه تربیت مدرس

تعیین ارتباط بین عمق بحرانی و عمق جریان در لبة شیب شکنهای قائم با جریان زیربحرانی در بالادست آن یکی از مسائل مهم و مورد توجه مهندسان هیدرولیک بوده است. اگر ارتباط بین این دوعمق بخوبی برآورد شود، از این سازه م یتوا ن به عنوان ابزار اندازه گیری دبی جریان درکانالهای آبیاری استفاده نمود. تاکنون تحقیقات فراوانی برای یافتن ارتباط میان این دو عمق صورت پذیرفته است. در این تحقیقات معموًلا سعی شده است با انداز هگیریهای آزمایشگاهی، منحنی مناسبی برداد ههای حاصل برازش داده شود. لیکن، معمو ً لا ارتباط این دومتغیر ب هصورت خطی در نظرگرفته میشود وهمین موضوع موجب ایجاد خطا درتخمین دبی جریان می گردد. دراین مقاله سع یشده اس تبا تبیین ویژگیهای شبکه های عصبی مصنوعی، شبک های از نوع پرسپترون چند لایه با قانون یادگیری پ سانتشار خطا برای بازیابی نگاشت غیرخطی میان الگوهای مستقل داد هها و متغیرهای وابسته طراحی گردد که به کمک آن، امکان تخمین هوشمند دبی جریان میسرگردد. نتایج حاصل نشان م یدهد که انطباق خوبی بین مقادیر پیش بینی شدة دبی ناشی ازشبکة عصبی مصنوعی و داده های آزمایشگاهی وجود دارد.علاوه بر این، استفاده از شبکة عصبی مصنوعی نیز می تواند شی بشکن را به عنوان ابزاری برای انداز هگیری دبی جریان درسیستمهای انتقال آب و شبکه های آبیاری مطرح سازد.

شیب شکن، دبی جریان، شبکة عصبی مصنوعی، تخمین هوشمند، یادگیری، پرسپترون چند لایه