تخمين بار رسوبي معلق با استفاده از شبكه عصبي مصنوعي

آگاهي از ميزان رسوب معلق رودخانه‌ها يكي از مسائل اساسي در پروژه‌هاي آبي است كه طراحان تأسيسات آبي همواره با آن روبرو بوده‌اند. عدم آگاهي از ميزان انتقال بار معلق و به‌ويژه خطا در برآورد آن مي‌تواند سبب طراحي نادرست و در نتيجه تخريب سازه‌هاي آبي گردد. به‌طور كلي احداث سازه‌هاي هيدروليكي از‌جمله سدها، پل‌ها، نيروگاه‌ها و ساير شبكه‌هاي آب‌رساني بدون بررسي و برآورد بار معلق، ممكن نخواهد‌بود. تاكنون مدل‌سازي‌هاي مختلفي در اين زمينه برآورد بار رسوبي معلق گرفته‌است. در اين مطالعه به‌منظور پيش‌بيني بار رسوبي معلق الگوريتم شبكه‌عصبي مصنوعي به‌كارگرفته شد و به‌منظور اجراي مدل‌ها از ورودي‌هايي دبي روز‌هاي قبل از داده رسوب برداشت ايستگاه هيدرومتري واقع در ايالت اوهايو استفاد شد. در واقع در اين مطالعه بار رسوبي معلق تابعي از جريانات روزهاي قبل در نظر گرفته شده است. نتايج نشان داد كه دبي‌هاي روز‌هاي قبل از داده برداشت شده تاثير مناسبي بر روي پيش‌بيني‌ها داشته و باعث افزايش دقت مدل‌ها مي‌گردد به طوريكه ورودي مدل Q-4 + Q-3 + Q-2 + Q-1 +Q با ۳۴/ ۸RMSE= داراي بيشترين دقت در پيش‌بيني باررسوبي معلق مي‌باشد.