تخمین رسوب معلق ورودی به چاه نیمه های سیستان و بلوچستان با استفاده از شبکه عصبی مصنوعی، سیستم استنتاج فازی - عصبی و منحنی سنجه رسوب (مطالعه موردی: جریکه چاه نیمه)

ارائه راه کارهای مناسب جهت برآورد دقیق بار معلق رودخانه ها در پروژه ها منابع آب کاربردهای فراوانی دارد. به دلیل تاثیر پارامترهای مختلف بر انتقال رسوبات در رودخانه ها، تعیین معادلات حاکم بر آن مشکل بوده و مدل های ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستم های هوش مصنوعی به عنوان راه کاری جدید در تحلیل مسائل آبی گسترش یافته است. در تحقیق حاضر از شبکه های عصبی، منطق فازی عصبی و منحنی سنجه رسوب جهت برآورد رسوب استفاده شده است.در این مطالعه از سه ترکیب مختلف ورودی برای تخمین بار رسوبی استفاده گردید. در حالت اولیه دبی رسوب تنها تابعی از دبی جریان همان روز در نظر گرفته شده است. در حالت دوم دبی رسوب علاوه بر دبی جریان همان روز،تابعی از دبی جریان روز قبل نیز در نظر گرفته شده است. در نهایت در حالت سوم دبی رسوب علاوه بر دبی جریان همان روز،تابعی از دبی جریان روز قبل و دو روز قبل نیز در نظر گرفته شد. نتایج به دست آمده نشان می دهد که روش شبکه عصبی با ضریب تبیین 0/84 و میانگین مربع خطای 0/05 از دقت بالاتری نسبت به مدل های دیگر در ایستگاه جریکه چاه نیمه برخوردار است.

کلیدواژه ها:

بار معلق ، چاه نیمه ، شبکه عصبی مصنوعی ، منحنی سنجه نروفازی ، منطق فازی عصبی