چکیده مقاله
آبیاری از عوامل مهم برای دستیابی به کشاورزی پایدار در مناطقی است که مقدار بارندگی جوابگوی نیاز آبی گیاهان نیست درنتیجه طراحی، اجرا و مدیریت یک سیستم آبیاری نقش مهمی در کشاورزی این مناطق دارد دشت گیلان از جمله مناطقی است که فصل کشت و بارندگی با هم تطابق ندارند، بنابراین بخش عمده نیاز آبی دشت گیلان که حدودا 175000 هکتار می باشد از سد چند منظوره سپیدرود تامین می شود متاسفانه به علت عدم آبخیزداری در حوضه آبریز رودخانه سپیدرود و از بین رفتن پوشش گیاهی و جوان بودن تشکیلات زمین شناسی این حوضه ، مقدار رسوب ورودی به مخزن سد سپیدرود بسیار بالا است مطالعات نشان داده که میزان رسوب محاسبه شده توسط روابط ریاضی حاکم بر هیدرولیک رسوب بسیار کمتر از مقادیر واقعی است در این مقاله آمار 24 ساله رژیم آبدهی و رسوب دهی رودخانه سفید رود در 5 ایستگاه مختلف با شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفته است تا تخمین مناسب تری از آورد رسوب پشت سد برای مدیریت بهتر آبیاری اراضی پایین دست در سال های آینده معرفی شود مقادیر پیش بینی شده توس ط مدل شبکه عصبی مصنوعی با اندازه گیری های واقعی و همچنین روابط رگرسیونی که برای پیش بینی رسوب بدست آمده بود مقایسه گردید که نشان دهنده دقت نسبتا مناسب مدل های شبکه عصبی مصنوعی بود
کلیدواژهها
نویسندگان
مجید شیرزاد
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه تربیت مدرس
میراحمد لشت نشائی
عضو هیئت علمی گروه عمران دانشگاه گیلان
کورش محمدی
عضو هیئت علمی گروه آبیاری و زهکشی دانشگاه تربیت مدرس
شیوه ارجاع
�یرزاد، مجید و لشت نشائی، میراحمد و محمدی، کورش،1385،استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود،اولین همایش ملی مدیریت شبکه های آبیاری و زهکشی،اهواز
ارائهشده در
مجموعه مقالات اولین همایش ملی مدیریت شبکه های آبیاری و زهکشی12 اردیبهشت 1385 · اهواز