مائده فتاحی - دانشجوی مهندسی آبیاری دانشگاه مازندران
سارا طوسی - دانشجوی مهندسی آبیاری دانشگاه مازندران
میرخالق ضیاء تبار احمدی - استاد بخش مهندسی آب دانشگاه مازندران

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبیاری از اهمیت بسیاری برخوردار است . زیرا پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیک می باشد . لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است . به دلیل تأثیر پارامترهای مختلف، تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز ، از دقت کافی برخوردار نیستند . شبکه های عصبی مصنوعی بر مبنای استفاده از دانش نهفته بین متغیرهای ورودی و خروجی یک مسئله، بدون در نظر گرفتن فیزیک آن، قادر به استخراج روابط ذاتی بین آن ها و تعمیم آن در موقعیت های دیگر است . در شبکه عصبی مصنوعی با الهام گیری از مدل مغز انسان ضمن اجرای فرآیند آموزش، اطلاعات مربوط به داده ها درون وزن های شبکه ذخیره می شود . در این مقاله، ضمن معرفی شبکه عصبی مصنوعی، با استفاده از شبکه پرسپترون چند لایه ) ) MLP میزان رسوب رودخانه نکا پیش بینی شده و با نتایج حاصله از روش منحنی سنجه رسوب مورد مقایسه وتبیین قرار گرفته است . با توجه به خطای بدست آمده (0,0001) از شبکه پرسپترون چند لایه، برتری این شبکه نسبت به روش منحنی سنجه به اثبات رسید .

فرسایش و انتقال رسوب، شبکه عصبی مصنوعی، پرسپترون چند لایه، منحنی سنجه رسوب، رودخانه نکا