مقایسه قابلیت شبکه عصبی مصنوعی و توابع رگرسیونی در برآورد بار معلق رودخانه (مطالعه موردی رودخانه طرق در استان خراسان رضوی)

پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سیستم های فیزیکی و تأسیسات عمرانی را تحت تأثیر قرار می دهد و به عنوان یکی از بزرگ ترین مشکلات بهره برداری از منابع آب های سطحی در جهان مطرح است. باتوجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور که نقش بزرگی را در توسعه اقتصادی کشور ایفا می کنند، عدم توجه به اندازه گیری و محاسبه دقیق آن، باعث اتلاف سرمایه های ملی می گردد. بدیهی است که دقت پیش بینی میزان رسوب وارده به مخازن سدها، بستگی زیادی به روش های محاسباتی و معادلات ارائه شده در این زمینه دارد؛ از طرفی دامنه کاربرد این روش ها به سبب پیچیدگی طبیعت رودخانه ها و گوناگونی عوامل مؤثر در پدیده انتقال رسوب محدود می باشد و نتایج به دست آمده اغلب دارای دامنه نوسان زیادی است. در این مقاله شبکه عصبی مصنوعی به عنوان روشی مؤثر جهت تخمین مقدار رسوب معلق بکار گرفته شده است. شبکه ای با ساختار و آموزش مناسب و داده های کافی قادر است تأثیرات مخفی و ارتباط بین دبی آب و دبی رسوب را بدون استفاده از روابط اختصاصی و معادلات انتقال فراگیرد. پس از طرح و آموزش شبکه کاربرد این مدل محاسباتی در برآورد رسوب برای یکی از رودخانه های کشور بررسی شده و نتایج حاصل از آن با روش متداول تخمین رسوب (برازش منحنی توانی بر داده های آماری دبی رسوب) مقایسه شده است. نتایج این مقایسه نشان دهنده بهبود قابل توجهی در دقت تخمین رسوب و کارایی این روش می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، مدل های رگرسیونی ، بار معلق رسوبی ، Matlab