تحلیل رسوب معلق ورودی به مخزن سد کوثر خلخال با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با روش رگرسیون خطی چند متغیره

برآورد صحیح 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 آبراهه می شود، بلکه سبب ایجادخساراتی ازقبیل تغییرمسیررودخانه،انباشت رسوبات درپشت سدهاوکاهش حجم مفید آن ها نیز می گردد.شبکه های عصبی مصنوعی یک روش کاملا غیرخطی است که می تواند تقابل و ارتباط پیچیده ای بین پارامترهای ورودی و خروجی بدون داشتن دانش قبلی درباره طبیعت آن ها ایجاد کند .این تحقیق به بررسی توانایی شبکه عصبی مصنوعی (ANN) و تعیین بهترین مدل برای پیش بینی بار رسوبات معلق روزانه ورودی به مخزن سد کوثر خلخال در رودخانه هیروچای ، واقع در شمال غرب ایران می باشد. 147 داده روزانه برای پیش بینی بار معلق روزانه (SSL) استفاده شده است.الگوی باررسوب معلق واردبر مخزن با شبکه ی عصبی Backpropegation، و ساختار 1-1-3 برای مرحله آموزش و 1-8-3 برای مرحله آزمون و با استفاده ازالگوریتم Feed-Forward Backpropagation، و تابع آموزشی LM یا همان Levenberg Marquardt، 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 ساختار 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 خور پس انتشار خطا ، رگرسیون خطی