پیش بینی آورد رسوب رودخانه ها و امکان واسنجی ایجاد ایستگاه های مرجع رسوب سنجی توسط مدل شبکه عصبی (مطالعه موردی: رودخانه کارون)

برآوردصحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت زیادی برخوردار است. عدم توانایی تعیین دقیق معادلات حاکم؛ به دلیل تاثیرپارامترهای مختلف و مشکلات ناشی از تعین تاثیرات آنها، باعث شده است که محققان به استفاده از روش های عددی نظیر شبکه های عصبی مصنوعی روی آورند. در این تحقیق در ابتدا برای هر یک از ایستگاههای اهواز و فارسیات رودخانه کارون با استفاده از ترکیبات مختلفی از ورودی ها و نیز توابع ارتباطی گوناگون توسط شبکه عصبی مصنوعی مدل هایی طراحی و بهترین مدل انتخاب شد. سپس با استفاده از اطلاعات ایستگاه بالا دست این دو ایستگاه و بر اساس ترکیب ورودی بهترین مدل مرحله قبل مدل هایی طراحی شد. این مدل ،دارای دقت مناسب، و بالاتر از دقت مدل های مرحله قبلی بود. مدل جدید که رسوب معلق ایستگاه پاین دست را بر اساس آمار ایستگاه بالادست پیش بینی می کند؛ در تحقق دو هدف ما را یاری می رساند: راه جدیدی برای پیش بینی دقیق تر میزان رسوب معلق هر ایستگاه با صرف هزینه ای منطقی پیش روی ما قرار می دهد. و نیز با توجه به توانایی بالای پیش بینی این مدل، منطقی می نمایدکه در یک رودخانه تعدادی از ایستگاه های هیدرومتری ، ایستگاه های اصلی باشند که مجهزتر، دارای نیروی انسانی متخصص، و آمار با دقت بالا هستند؛ و بقیه ایستگاهها در سطح پایین تری از لحاظ تجهیزات و نیروی انسانی تمام وقت قرار داشته باشند.توسط اطلاعاتی که از ایستگاههای اصلی بدست می آید و طراحی مدل بر اساس آنها، و سپس مقایسه نتایج با اطلاعات ایستگاههای فرعی؛ می توان پوششی خوب از دقتی یکسان را در کل مسیر رودخانه داشت.

پیش بینی آورد رسوب رودخانه ها و امکان واسنجی ایجاد ایستگاه های مرجع رسوب سنجی توسط مدل شبکه عصبی (مطالعه موردی: رودخانه کارون) Keywords:

آورد رسوب , شبکه عصبی , کارون , اهواز , فارسیات