کاربرد شبکه عصبی مصنوعی در پیش بینی بار رسوبی به مخزن سد شهید عباس پور

چکیده مقاله

تخمین مقدار بار رسوب یا میزان انتقال آن برای بسیاری از کاربری ها و پروژه های منابع آب مانند طراحی سدها و حوضچه های ذخیره آب سطحی، انتقال رسوب و آلودگی در رودخانه ها و دریاچه ها، طراحی کانال ها و نگهداری آنها، حیاتی است در ایران مساله ی رسوب گذاری در مخازن سدها، حایز اهمیت می باشد، چرا که حدود 70 درصد از منابع آب ایران را آب های سطحی تشکیل داده است روش های مختلفی برای بررسی بار رسوبات معلق، موجود می باشد هدف از این پژوهش ارایه روشی بر پایه شبکه های عصبی مصنوعی ANN در تخمین بار رسوب کل بود، بدین منظور از داده های روزانه سد شهید عباسپور بین سال های 1356 تا 1393 واقع در رودخانه کارون استفاده شده متغیرهای ورودی مدل شامل دبی ورودی جریان دما، دبی خروجی از مخزن سد، حجم مخزن و خروجی مدل، بار کل رسوبی بود نتایج حاصل از ارزیابی شاخص های اندازه گیری خطا ضریب همبستگی و میانگین مربعات خطا ، نشان داد که شبکه عصبی مصنوعی در توانایی بالایی را در شبیه سازی و پیش بینی بار رسوب کل ورودی به مخزن سد شهید عباسپور دارد

کلیدواژه‌ها

نویسندگان

رضا الهی

دانشجوی کارشناسی ارشد مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

محمدرضا زایری

دانشجوی دکتری سازه های آبی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

مهدی قمشی

استاد گروه سازه های آبی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

هوشنگ حسونی زاده

عضو هییت علمی دانشگاه آزاد اسامی واحد شوشتر

�لهی، رضا و زایری، محمدرضا و قمشی، مهدی و حسونی زاده، هوشنگ،1394،کاربرد شبکه عصبی مصنوعی در پیش بینی بار رسوبی به مخزن سد شهید عباس پور،دهمین سمینار بین المللی مهندسی رودخانه،اهواز

ارائه‌شده در

مجموعه مقالات دهمین سمینار بین المللی مهندسی رودخانه29 دی 1394 · اهواز