ولی اله پرتوی ضیاء - دانشجوی کارشناسی ارشد رشته عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد دزفول
ابراهیم نوحانی - دانشگاه - آزاد اسلامی، واحد دزفول، باشگاه پژوهشگران جوان و نخبگان، دزفول، ایران

سرریز و دریچه از جمله سازه هایی هستند که همواره برای اندازه گیری میزان جریان آب ، به صورت گسترده مورداستفاده قرار می گیرند . ولی برای اندازه گیری دقیق تر جریان آب ، همواره سعی شده است تا حد امکان سازه های بانقص کمتر و دقت بالاتر طراحی شود. سد ها به طور اهم ارتباط مستقیم و تنگاتنگی با کفایت ظرفیت سر ریز دارد . بیشتر شکست سدها در اثر عبور آب از روی تاج آنها بوقوع می پیوندد که مهمترین عامل آن کافی نبودن ظرفیت سرریز است.امروزه استفاده از مدلهای شبکه عصبی مصنوعی به علت تاثیر نداشتن پارامترهای فیزیکی در آن گسترش زیادی یافته است. در این تحقیق از اطلاعات مربوط به سرریز سد مخزنی مارون در استفاده گردیده است. همچنین از مدل Jordan Elman Network استفاده گردیده است در این مدل پارامترهای ورودی شامل روز ، ماه ، ارتفاع سطح آزاد آب و درصد آبگذاری و پارامتر خروجی دبی سریز سد مخزنی می باشد. برای آنکه بتوان یک مقایسه بین تمامی مدلها صورت پذیرد از شاخصهای تحلیلی و آماری استفاده می گردد، نتایج نشان می دهد که مدل Jordan Elman Network از توانایی، انعطاف پذیری و دقت بیشتری در پیش بینی دبی سرریز سد مخزنی برخوردار می باشد

سد مخزنی، دبی ، Jordan Elman Network ، شاخص های آماری