ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی

چکیده مقاله

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های مهندسی رودخانه از اهمیت بسیاری برخوردار است، زیرا پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیک می باشد لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها بسیار سودمند است به دلیل تاثیر پارامترهای مختلف تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز از دقت کافی برخوردار نیستند در این تحقیق با بهره گیری از معتبرترین داده های جمع آوری شده در چند دهه گذشته، امکان استفاده از شبکه عصبی مصنوعی برای تخمین میزان بار رسوبی رودخانه قره سو مورد بررسی قرار گرفت در این مقاله از شبکه عصبی مصنوعی پیشخور پریسپترون چند لایه MLP ، با الگوریتم انتشار به عقب خطا به عنوان شبکه ای متداول در پیش بینی و حل مسائل غیرخطی استفاده شد اجرای شبکه عصبی مصنوعی در محیط نرم افزار NeuroSolution تحت ویندوز انجام شد بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی آرایش های سه لایه با تعداد نرون متفاوت در لایه میانی برای مقادیر مختلف دبی رسوب ارایه شد نتایج مدل ها پس از اجرا به صورت شکل، در مقایسه با دبی های اندازه گیری شده ی رسوب، استخراج و با محاسبه معیارهایی نظیر ضریب تعیین، میانگین جذر مربعات خطا و میانگین مطلق خدا، میزان موفقیت الگوهای پیشنهادی در توصیف سری نشان داده شد کمتر بودن معیارهای فوق برای شبکه عصبی مصنوعی دقیق تر بودن نتایج مدل فوق را نسبت به مدل های تجربی رایج نشان داد

کلیدواژه‌ها

نویسندگان

وحید یزدانی

دانشجوی دکتری مهندسی آب دانشگاه فردوسی

بیژن قهرمان

دانشیار گروه مهندسی آب دانشگاه فردوسی

منصور قلی زاده

دانشجوی کارشناسی ارشد مهندسی آب دانشگاه بوعلی سینا

یزدانی، وحید و قهرمان، بیژن و قلی زاده، منصور،1388،ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی،دومین کنفرانس سراسری آب،بهبهان

ارائه‌شده در

مجموعه مقالات دومین کنفرانس سراسری آب20 اسفند 1388 · بهبهان