مقایسه دقت مدل های شبکه عصبی مصنوعی و فازی استنتاجی در برآورد رسوب رودخانه زریندرخت

پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازهای رودخانهای و تاسیسات عمرانی را تحت تأثیر قرار میدهد و به عنوان یکی از بزرگترین مشکلا بهره برداری از منابع آب های سطحی در جهان مطرح میباشد. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و سیاخت وهمچنین برنامهریزی در بهرهبرداری از سازههای آبی دارد. در عصر حاضر استفاده از شبکه های عصیبی مصنوعی میتواند جایگزین مناسبی برای مدلهای دیگر باشد. این سیستمها با الهامگیری از ساختار نروسیناپتیکی مغز بشر دارای قابلیتهای یادگیری پردازش موازی و تعمیم برای داده های مشابه میباشند . در این مقاله شبکه عصبی مصنوعی و فازی استنتاجی به صورت روشی مؤثر جهت تخمین مقدار رسوب معلق به کار گرفته شده است. دبی جریان مورد نظر همراه با دبی جریان روز قبل و دبی جریان دو روز قبل به عنوان پارامترهای ورودی و دبی بار معلق رسوب به عنوان پارامتر خروجی در نظر گرفته شد. در این تحقیق پس از طرح و آموزش شبکه، کیاربرد این مدلهای هوشمند در برآورد رسوب حوضه آبخیز زرین درخت بررسی و سپس بر اساس نتایج بدست آمده دقیقترین مدل انتخاب گردید.

کلیدواژه ها:

رسوب ، زرین درخت ، مدل فازی استنتاجی ، مدل عصبی مصنوعی