برآورد بار معلق رسوب با استفاده از شبکه های عصبی مصنوعی _ مطالعه موردی ایستگاه اهواز

چکیده مقاله

نقش منفی پدیده فرسایش و رسوبگذاری همواره تهدیدی برای طرحهای آبی به شمار می رود این پدیده منجر به اعمال اثر منفی بر روی شاخص های کیفی آب، از دست رفتن خاک حاصلخیز کشاورزی و خسارات جبران ناپذیر به طرح های عمرانی آب می گردد بدلیل وجود ارتباطات پیچیده بین پارامترهای گوناگون مؤثر در مقدار رسوب و میزان انتقال آن , هیچیک از روشهای ارائه شده جهت برآورد رسوب مقبولیت جهانی و عمومی بدست نیاورده اند در این راستا شبکه های عصبی مصنوعی در تعیین بار معلق رسوب توانا به نظر می رسند در این روشها مدل با استفاده از یک دسته سری های داده آموزش می یابد و در مواردی که قبلا با آنها مواجه نشده است به پیش گویی می پردازد در این مقاله با استفاده از مدل Qnet2000 بار معلق عبوری از مقطع ایستگاه اهواز در رودخانه کارون برآورد گردید نتایج این روش با نتایج روش های SPSS و منحنی سنجه مورد مقایسه قرار گرفت نتایج نشان دهنده برتری شبکه های عصبی مصنوعی نسبت به دو روش دیگر می باشد

کلیدواژه‌ها

نویسندگان

شاداب عباسی شوشتری

دانشجوی کارشناسی ارشد دانشگاه شهید چمران اهواز

سیدمحمود کاشفی پور

استادیار دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

�باسی شوشتری، شاداب و کاشفی پور، سیدمحمود،1385،برآورد بار معلق رسوب با استفاده از شبکه های عصبی مصنوعی _ مطالعه موردی ایستگاه اهواز،هفتمین سمینار بین المللی مهندسی رودخانه،اهواز

ارائه‌شده در

مجموعه مقالات هفتمین سمینار بین المللی مهندسی رودخانه24 بهمن 1385 · اهواز