محاسبه بار رسوب رودخانه كارون بااستفاده از سيستم هوشمند شبكه عصبي مصنوعي (بازه اهواز- فارسيات)

فرسايش و رسوب در مسائل آبي تهديدي جدي براي پيشرفت هاي اقتصادي محسوب مي شود و خسارتهاي ناشي از آن سبب از بين رفتن سرمايه هاي ملي و منابع طبيعي مي گردد. پرشدن مخازن سدها، بندها، كانال هاي آبرساني، مدفون شدن اراضي كشاورزي با رسوبات از جمله مشكلات ناشي از پديده رسوب گذاري مي باشد. لذا برآورد ميزان بار رسوب در بسياري از پروژه هاي مهندسي حائز اهميت است. روش هاي تئوريكي و تجربي مختلفي بمنظور برآورد باركل، بار بستر و بار معلق در يك رودخانه، گسترش يافته است. امروزه با گسترش استفاده از مدل هاي محاسباتي نوين، راه حل هاي بهتر و جديدتري در حل مسائل هيدروليكي ارائه شده است، از جمله اين مدل هاي محاسباتي مي توان از شبكه هاي عصبي مصنوعي نام برد. لذا بدليل پيچيدگي مسئله برآورد رسوب و تاثير عوامل مختلف در آن سبب شده كه استفاده از اين مدلها در علم رسوب گسترش يابد. در اين تحقيق با استفاده از شبكه عصبي مصنوعي بهترين ساختار براي شبكه جهت برآورد بار رسوب رودخانه كارون-ايستگاه اهواز- فارسيات تعيين شد، روش پيشنهادي استفاده از شبكه پرسپترون چند لايه (MLP) است كه با استفاده از الگوريتم DeltaBarDelta آموزش مي يابد.نتايج تحقيق نشان داد كه شبكه عصبي مصنوعي با ساختار پيشنهادي 1-7-6 در مقايسه با دو روش ديگر از دقت بيشتري برخوردار مي باشد كه نتيجه حاصله دلالت بر توانايي مدل شبكه عصبي مصنوعي در برآورد بار رسوب دارد.