منا امیدواری نیا - دانشجوی دکتری سازه های آبی دانشگاه شهید چمران اهواز
محمود شفاعی بجستان - دانشیار دانشگاه صنعتی اصفهان، گروه مهندسی آب

از آنجا که برآورد دقیق حجم رسوبات، مه مترین عامل در ساماندهی رودخانه ها و بهره برداری از منابع آب و تعیین عمر مفید سدها می باشد، لذا، استفاده از روش هائی با دقت و مناسب جهت محاسبه با رسوب از مهم ترین اهداف پروژه های مرتبط با رسوب محسوب می شود. در این تحقیق سعی بر این است که با تلفیق شبکه های عصبی مصنوعی و الگوریتم ژنتیک روشی بهینه و با حداقل خطا جهت تخمین بار رسوب در بازه ملاثانی اهواز رودخانه کارون حاصل شود. در این راستا از زبان برنامه نویسی Matlab جهت نیل به این هدف استفاده گردید. در این تحقیق سعی بر بهینه سازی رفتار شبکه عصبی بر اساس مقادیر مطلوب با آموزش الگوریتم زنتیک شده است .مقایسه نتایج حاصل از مدل و مقادیر اندازه گیری شده در مراحل آموزش و صحت سنجی دقت نشان داده است که مدل قادر بوده پدیده انتقال رسوب را به خوبی پیش بینی نماید. همچنین با مقایسه روشن تلفیقی شبکه های عصبی مصنوعی و الگوریتم ژنتیک با روش های تجربی موجود، ملاحظه گردیده که مدل استفاده شده به میزان 10 درصد (بر حسب RMSE) خطای کمتری دارد، لذا از دقت بالائی نسبت به سایر روش ها برخوردار می باشد.

شبکه های عصبی مصنوعی الگوریتم ژنتیک، بار معلق رسوبات، رودخانه کارون