بررسي عملكرد شبكه عصبي MLP در پيش بيني نرخ فرسايش رسوبات چسبنده

رفتار رسوبات چسبنده به علت ماهیت الكتروشیمیایی آن ها كاملاً متفاوت از رسوبات غیرچسبنده است. رسوبات ریزدانه شامل كانی های رسی با سطح مخصوص بزرگ می باشند. این ویژگی رسوبات باعث ایجاد پیوند با موادی دیگر ازجمله رس، سیلت، سدیم و... خواهد شد. این تركیبات منجر به تشكیل ساختارهای خاكدانه ای و كلوخجه ای شكل (فولوكوله شدن) می شوند كه در رفتار این رسوبات اثر بسزایی خواهند داشت. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیكی این رسوبات از جمله قطر متوسط، چگالی و ... استفاده می گردد، در حالی كه به علت پیچیدگی رفتار رسوبات چسبنده نرخ فرسایش این رسوبات به صورت رابطه ای میان نرخ فرسایش و تنش برشی بستر به همراه ضرایب ثابت مربوط به هر نوع رسوب تعریف می گردند. از آن جا كه آگاهی از آستانه حركت رسوبات ریزدانه و نرخ فرسایش آن ها در هیدرولیك رسوب دارای اهمیت است، در این تحقیق از اطلاعات آزمایشگاهی فلوم مستقیم رسوبات چسبنده مصب رودخانه لویر به دریای آتلانتیك در كشور فرانسته استفاده شده است كه توسط حسینی (1999) با پارامترهای مختلفی از قبیل غلظت رسوبات، تنش برشی بستر و نرخ فرسایش مورد بررسی قرار گرفته است. در ادامه به بررسی عملكرد شبكه عصبی مصنوعی در پیش بینی نرخ فرسایش رسوبات چسبنده پرداخته شد.