پدیدههای فرسایش و انتقال رسوب در رودخانهها یکی از مهمترین و پیچیدهترین موضوعات مهندسی رودخانه میباشد. این پدیدهها اثرات ویژهای روی شاخص های کیفی آب، کنش کف بستر و کناره های رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد مینماید. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و ساخت و همچنین برنامه ریزی در بهره برداری از سازههای آبی دارد. در این تحقیق سعی گردیده است که کارایی شبکههای عصبی مصنوعی در پیشبینی رسوب معلق مورد ارزیابی قرار گیرد. با استفاده از روش شبکه عصبی مصنوعی (مدل پرسپترون چند لایه) رسوب معلق در ایستگاه هیدرومتری حیدرآباد روی رودخانه جامیشان پیشبینی گردیده و نتایج با منحنی سنجه رسوب مورد مقایسه قرار گرفته است و مزایا و معایب هر یک از این روشها تجزیه و تحلیل شده است. براساس نتایج بدست آمده شبکه عصبی مصنوعی نتایج قابل قبولی را جهت شبیهسازی بار معلق در ایستگاه حیدرآباد ارائه میکند، بطوریکه در مقایسه با منحنی سنجه رسوب از دقت بالاتری برخوردار است. مقدار R2 که از شبکه عصبی بدست آمده برابر با حدود 92/0 و R2 که از منحنی سنجه رسوب بدست آمده برابر با حدود 83/0 است. البته لازم به ذکر است که شبکه عصبی نیز نقاط اوج را به درستی پیشبینی نمیکند که این از نقاط ضعف نوع مدل بشمار می رود.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |