استفاده از شبكه هاي عصبي مصنوعي در پيشبيني و تخمين بار معلق رودخانه ها

پيش بينی و تخمين ميزان بار رسوبی منتقل شده توسط رودخانه ها، در مديريت رودخانه ها و مخازن سدها و بطور كلی در پروژه های آبی از اهميت والايی برخوردار است. اين پديده، بطور كلی يك مسأله بعنوان ابزاری (Artificial Neural Networks) نگاشت غيرخطي است و شبكه های عصبي مصنوعي توانمند، قادرند به نوعی روابط غيرخطي حاكم بر فرآيندهاي رسوبي را بدون حل معادلات ديفرانسيل شبكه ای طراحی ،MATLAB حاكم بر مساله، تعيين نمايند. در اين مقاله، با بهره گيری از نرم افزار شده كه به پيش بينی سری زمانی بار معلق رودخانه ها می پردازد. برای اين كار از شبكه پرسپترون (Error Back Propagation) با الگوريتم پس انتشار خطا ،(Multi Layer Perceptron) چند لايه استفاده شده و تعداد لايه ها و نورونهای بهينه مدل، برای حالتيكه شبكه نزديكترين جواب به آمار مشاهده ای را ارائه می كند، پيدا شده است. در شبكه طراحی شده، با دادن سری زمانی دبی جريان و غلظت بار معلق در زمانهای قبل، می توان غلظت بار معلق در زمان آينده را پيش بينی كرد. در ادامه، شبكه طراحی شده با روش منحنی سنجه رسوب مورد مقايسه قرار گرفته است. نتايج حاكی از برتری مدل شبكه عصبی در پيش بينی بار معلق رودخانه ها بوده است.