بررسی تأثیرآشفتگی برآستانه حرکت رسوبات با استفاده ازشبکه عصبی مصنوعی

حرکت ذرات رسوب در امتداد بستر رودخانه یکی از پیچیده ترین و بغرنج ترین مسائلی است که سعی در توجیه و توصیف آن می شود و بررسی آستانه حرکت ذرات، یکی از محور های اصلی آن می باشد، چرا که تفاوت بین بستر پایدار و متحرک را نشان می دهد. آستانه حرکت رسوبات توسط روشهای مختلفی از قبیل تنش برشی، سرعت بحرانی،روشهای آماری و تصادفی و... مورد بررسی قرار گرفته و پارامترهای مختلفی به عموان عوامل مؤثر بر آن در نظر گرفته شده است.فرایند ذخیره سازی اطلاعات به صورت الگو و تجزیه و تحلیل ان الگو اساس روشی به شبکه عصبی مصنوعی را تشکیل می دهد. در این مقاله پس از بررسی تأثیر آشفتگی بر آستانه حرکت ذرات رسوب در شرایط پوشش مختلف بستر، با استفاده از شبکه عصبی چند لایه با الگوریتم پس انتشار خطا و آموزش آن توسط داده های آزمایشگاهی Athanasios N. Papanicolaou که در آزمایشگاه پلی تکنیک ویرجینیا انجام پذیرفته، مدل تحلیلی آستانه حرکت رسوبات به دست آمده و در هر مرحله پس از آموزش شبکه عصبی عملکرد شبکه مورد بررسی و نتایج حاصل از آن با مدل آماری مورد مقایسه قرار گرفته است.نتایج حاکی از آن است که شبکه های عصبی مصنوعی از سرعت عمل و دقت قابل قبولی در پیش بینی احتمال آستانه حرکت در شرایط پوشش مختلف برخوردار هستند.

کلیدواژه ها:

آشفتگی جریان ، آستانه حرکت ، شبکه های عصبی چند لایه ، شبکه پیشرو(FNN )