ارایه مدل بهینه تخمین بار رسوب معلق روزانه ورودی به مخزن سدکوثر خلخال بر پایه داده های جریان ورسوب معلق توسط شبکه های عصبی مصنوعی.

برآوردصحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبیاری از اهمیت بسیاری برخوردار است. پدیده های فرسایش و انتقال رسوب در آبراهه ها ورودخانه ها از پیچیده ترین مباحث مهندسی رودخانه می باشد.فرسایش زیاد وانتقال دایم این مواد نه تنها باعث برهم خوردن تعادل طبیعی رودخانه و آ براهه می شود، بلکه سبب ایجادخساراتی ازقبیل تغییرمسیررودخانه،انباشت رسوبات درپشت سدهاوکاهش حجم مفید آن ها نیز می گردد.شبکههای عصبی مصنوعی یک روش کاملا غیر خطی است که می تواند تقابل و ارتباط پیچیده ای بین پارامترهای ورودی و خروجی بدون داشتن دانش قبلی درباره طبیعت آن ها ایجاد کنداین تحقیق به بررسی توانایی (شبکه عصبی مصنوعی ANN وتعیین بهترین مدل برای پیش بینی باررسوبات معلق روزانه ورودی به مخزن سد کوثر خلخال دررودخانه هیروچای واقع در شمال غرب ایران می باشد. 147داده روزانه برای پیش بینی بار معلق روزانه ( SSL استفاده شده است.الگوی باررسوب معلق واردبر مخزن با شبکه ی عصبی Backpropegation- 1 ،و ساختار 1-1 - 3 -برای مرحله اموزش و 1-8-3 برای مرحله ازمون و بااستفاده ازالگوریتم Backpropagation Forward-Feed ،و تابع آموزشی LM یا همان LevenbergMarquardt ،و تابع فعالیت زیگمویید برای لایه میانی و خطی برای لایه خروجی، حاصل شده استدر نهایت با مقایسه دو ساختار موجود، ساختار -1 1--3 شبکه عصبی، برای ارایه بهترین مدل باررسوب معلق ورودی به مخزن سد انتخاب شده و بر پایه چندین شاخص عملکرد معلوم گردیده است که شبکه ی عصبی مصنوعی با سا ختار مذکور، باررسوب معلق ورودی به مخزن سد را با دقت بالاتری در مقایسه با تحلیل معمول رگرسیونی تخمین زده است.

کلیدواژه ها:

باررسوب معلق روزانه ، الگوریتم پیش خورپس انتشار خطا ، رگرسیون خطی