عنوان مقاله:

نویسندگان:

فرمان رحمانی، جواد بهمنش

تخمین میزان رسوب معلق حمل شده به‌وسیله یک رودخانه، لازمه بسیاری از پروژه‌های منابع آب است. به همین دلیل انتقال رسوب یکی از مسائلی است که در دهه‌های گذشته موردتوجه بسیاری از دانشمندان علوم آب و هیدرولوژی بوده و به بدین‌جهت فرمول‌های تجربی و تئوریک زیادی برای پیش‌بینی بار معلق رسوب ارائه‌شده است. ازآنجایی‌که استفاده از روش‌های منحنی‌های سنجه رسوب همواره با خطاي زيادي همراه است لزوم استفاده از روشي هوشمند مانند شبکه عصبي مصنوعي در برآورد مقدار بار معلق رسوب احساس می‌شود. برای برآورد بار رسوبی معلق رودخانه نازلو، با شبکه عصبی و سناریوهای مختلف موردبررسی قرار گرفت. در حالت کلی با افزایش نرون‌ها در بخش آموزش و بخش شبیه‌سازی میزان همبستگی از 95/0 تا 99/0 افزایش داشته که میزان همبستگی به حالت خیلی خوب رسیده است. میزان همبستگی داده‌های ورودی و شبیه‌سازی نشان‌دهنده میزان صحت استفاده از مدل برای شبیه‌سازی دبی رسوب است. برای ایستگاه آباجالو استفاده از 10 نرون باعث افزایش میزان همبستگی شده است. بااین‌وجود در حجم بالای داده می‌توان گفت استفاده از شبکه 6 نرونی و 8 نرونی با توجه به کاهش زمان پردازش جواب مورد تأیید نیز را هم می‌دهد. برای ایستگاه تپیک هم استفاده از 10 نرون باعث افزایش میزان همبستگی شده است. بااین‌وجود در حجم بالای داده می‌توان گفت استفاده از شبکه 8 نرونی و 12 نرونی با توجه به کاهش زمان پردازش جواب مورد تأیید نیز را هم می‌دهد. در آخر استفاده از شرایط شبکه عصبی به‌خوبی برای شبیه‌سازی دبی رسوب رودخانه به میزان قابل‌توجه مناسب است.

تخمین بار رسوبی، بار رسوبی معلق، شبکه عصبی ترکیبی، شبکه عصبی مصنوعی، رودخانه نازلوچای

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
رحمانی، فرمان، بهمنش، جواد، 1399، ارزیابی مقایسه ای تخمین بار رسوبی معلق رودخانه نازلوچای با استفاده از مدل های شبکه عصبی ترکیبی، پانزدهمین همایش ملی علوم و مهندسی آبخیزداری ایران، https://conf.sanru.ac.ir/fa/archive_index.php?c=wms99&aid=103953