بررسی عملکرد شبکه عصبی MLP در پیش بینی نرخ فرسایش رسوبات چسبنده

رفتار رسوبات چسبنده به علت ماهیت الکتروشیمیایی آن ها کاملاً متفاوت از رسوبات غیرچسبنده است. رسوبات ریزدانه شامل کانی های رسی با سطح مخصوص بزرگ می باشند. این ویژگی رسوبات باعث ایجاد پیوند با موادی دیگر ازجمله رس، سیلت، سدیم و... خواهد شد. این ترکیبات منجر به تشکیل ساختارهای خاکدانه ای و کلوخجه ای شکل (فولوکوله شدن) می شوند که در رفتار این رسوبات اثر بسزایی خواهند داشت. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیکی این رسوبات از جمله قطر متوسط، چگالی و ... استفاده می گردد، در حالی که به علت پیچیدگی رفتار رسوبات چسبنده نرخ فرسایش این رسوبات به صورت رابطه ای میان نرخ فرسایش و تنش برشی بستر به همراه ضرایب ثابت مربوط به هر نوع رسوب تعریف می گردند. از آن جا که آگاهی از آستانه حرکت رسوبات ریزدانه و نرخ فرسایش آن ها در هیدرولیک رسوب دارای اهمیت است، در این تحقیق از اطلاعات آزمایشگاهی فلوم مستقیم رسوبات چسبنده مصب رودخانه لویر به دریای آتلانتیک در کشور فرانسته استفاده شده است که توسط حسینی (1999) با پارامترهای مختلفی از قبیل غلظت رسوبات، تنش برشی بستر و نرخ فرسایش مورد بررسی قرار گرفته است. در ادامه به بررسی عملکرد شبکه عصبی مصنوعی در پیش بینی نرخ فرسایش رسوبات چسبنده پرداخته شد.

Keywords:

رسوبات چسبنده , تنش برشی بستر , نرخ فرسایش , مصب رودخانه لویر , شبکه عصبی مصنوعی