جایگزینی شبکه عصبی به منظور تخمین آبشستگی در سریزها

شبکه های عصبی مصنوعی در حل بسیاری از مسائل غیر قابل پیش بینی راه گشا هستند همه نرم افزارهای جدید بو سیله فرمو لها ومتد های قدیمی کنترل می شوند تا از صحت عملکر دشان اطمینان حاصل گرددوشبکه های عصبی نیزاز این قاعده مستثنی نمی باشند .مطا لعه حاضر راجع به پیش بینی عمق آبشستگی در سر ریز های نوعSki jumpمیباشد وارز یا بی عملکرد شبکه عصبی مصنوعی در حل مشکل مذکور بررسی می گردد.ودر این راستا از پا رامترها ی آماری ما نند 1. خطای متوسط 2.متوسط انحراف مطلق 3.میا نگین مربعات خطا 4.ضریب همبستگی استقاده می کنیمهمچنین از متد های قدیمی Wu .2 Martins 3. Veronese .4.Incyth فرمول رگرسیون جدید که توسط جمعی از نویسندگان برای پیش بینی عمق آبشستگی استفاده شده است این مطالعه نشان داد که می توان به جای فرمول های سنتی پیش بینی آبشستگی در پایین دست Ski jump ازشبکه عصبی استفاده کردوبه نتا یج مطلوب ترودقیق تری دست یافت

Keywords:

Ski jump scour , ANNشبکه های عصبی مصنوعی , ANFIs , RBF , Error criteria