تخمین رسوب معلق با استفاده از منحنی سنجی به کمک شبکه عصبی مصنوعی(ANNs) (مطالعه موردی: رودخانه سیوند)

برآورد بار رسوب کل رودخانه ها از مسائل مهم و کاربردی در مدیریت و برنامه ریزی منابع آب است .غلظت رسوب میتواند به روش های مستقیم و یا غیرمستقیم محاسبه شود که معمولاً روشهای مستقیم پرهزینه و زمانبر هستند .همچنین بار رسوب کل می تواند به کمک روابط مختلف انتقال رسوب محاسبه شودبا توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازه گیری و محاسبه دقیق آن، باعث اتلاف سرمایه های ملی می شود .بدیهی است که دقت تخمین میزان رسوب دهی، بستگی زیادی به روش های محاسباتی، معادلات ارائه شده و داده ها یا اطلاعات تخمین رسوب دارد .چون عوامل مختلفی در فرسایش و تولید رسوب مؤثر است و بر اساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن مؤثر باشد .از این رو، برای بررسی مسئله رسوب دهی هر حوزه باید عوامل مختلف مؤثر در رسوب دهی آن منطقه را شناسایی و به طور صحیح برآورد کرد بطورکلی پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست .حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به داده های لازم در اکثر موارد به آسانی امکان پذیر نخواهد بود .با توجه به توانائی های شبکه های عصبی مصنوعی در شناسائی ارتباط بین متغیرهای ورودی و خروجی یک مساله بدون در نظرگرفتن فیزیک آن مساله و نیز بدلیل ضعف مدلهای فیزیکی و ریاضی در مدل کردن فرآیندهای رسوبی،این شبکه ها می توانند در مدل کردن مساله انتقال رسوب بکار روند با استفاده ازشبکه پرسپترون چند لایه 1 وشبکه پایه شعاعی 2 میزان بار معلق پیش بینی شده و با نتایج بدست آمده از روش مرسوم منحنی سنجه رسوب 3 مورد مقایسه و بررسی قرار گرفته است .نتایج حاکی از برتری شبکه پرسپترون چند لایهدر پیش بینی بار معلق خصوصاً در دبی های بالا جریان بوده است

کلیدواژه ها:

رسوب معلق ، شبکه عصبی مصنوعی(anns) حوزه آبخیز رودخانه سیوند ، منحنی سنجه رسوب