کیومرث روشنگر - دانشیار دانشکده مهندسی عمران، دانشگاه تبریز- نویسنده مسئول
سعید محمدپور - دانشجوی کارشناسی ارشد عمران- سازه های هیدرولیکی، دانشگاه آزاد اهر

در هیدرولیک رودخانه ها، بستر متحرک بوده و مقاومت در برابر جریان یا ضریب زبری متغیر است. در این حالت، نمی توان رابطه مقاومت را به طورمستقیم و بدون آگاهی از نحوه تغییر ضریب مقاومت در شرایط مختلف جریان و رسوب، به کار برد. با توجه به تأثیر پارامترهای متعدد در ضریب زبری،تاکنون رابطه قطعی جهت محاسبه ضریب زبری ارائه نشده است. در این تحقیق، ابتدا آزمایشات لازم در کانالی در حالت فرم بستر دون متعادل جهت بهدست آوردن داده های هیدرولیکی مورد نیاز ترتیب داده شد. سپس با استفاده از شبکه های عصبی پیش خور و شعاع مبنا از یک سو و نیز شبکه هایعصبی- فازی از سوی دیگر، مقدار ضریب زبری مانینگ برای هر دو حالت بابعد و بی بعد پیش بینی گردید. نتایج حاصله نشان داد که شبکه عصبیقابلیت و کارایی بالایی در شبیه سازی ضریب زبری بستر داشته و مدل عصبی - فازی با وجود کارایی بهتر نسبت به شبکه های شعاع مبنا دارای عملکردضعیف تری در مقایسه با شبکه پیش خور است. با توجه به نتایج حاصل از تحلیل حساسیت مشخص شد که پارامتر مستقل Re برای ضریب زبری با بعد و پارامتر مستقل R/D50 برای ضریب زبری بی بعد بیشترین تأثیر را بر روی ضریب زبری دارند. به لحاظ کمی نیز در بهترین حالت ارزیابی آزمون نرم افزار Matlab، برای شبکه پیش خور در حالت با تابع هدف بی بعد R=0/935 و MNE=1/908 و در حالت با تابع هدف با بعد R=0/941؛ MNE=2/04، برای شبکه شعاع مبنا با تابع هدف بی بعد R=0/8 و MNE=0/029 و در حالت تابع هدف با بعد R=0/83 و MNE=0/0229 و نهایتاً برای شبکه عصبی - فازی در حالت با تابع هدف بی بعد R=0/912 و MNE=2/662 و برای حالت با تابع هدف با بعد R=0/922 و MNE=2/472 مشاهده گردید که دقت بالای پیش بینی ها را نشان می دهد.

ضریب زبری مانینگ، بستر متحرک، شبکه های عصبی پس انتشار، شعاع مبنا، شبکه عصبی– فازی