استفاده از شبکه عصبی جهت مدل نمودن سری زمانی غیرخطی بار معلق رودخانه ها

پیش بینی و تخمین صحیح بار معلق عبوری ازرودخانه ها از اهمیت والایی برخوردار است اهمیت این موضوع بیشتر بخاطر تاثیراتی است که مساله رسوب بر روی کارهای عملی مهندسی رودخانه، مدیریت رودخانه، طراحی سازه های آبی و ورودی نیروگاههای آبی دارد. پدیده انتقال رسوب یک مساله پیچیده هیدرودینامیکی است که حتی ا گر مدلی ریاضی نیز تبیین شود. دسترسی به داده های لازم د راکثر موارد به آسانی امکان پذیر نخواهد بود. در این مقاله با توجه به تواناییهای شبکه های عصبی مصنوعی در شناسایی ارتباط بین متغیرهای ورودی و خروجی یک مسأله بدون در نظر گرفتن فیزیک آن مسأله، از این شبکه ها برای مدل نمودن سری زمانی غیرخطی بار معلق رودخانه ها استفاده شده است. در ادامه به مقایسه مدل شبکه عصبی مصنوعی و روش مرسوم منحنی سنجه رسوب (Sediment Rating Curve) پرداخته شده است و نشان داده شده که مدل شبکه عصبی فقط با استفاده از داده های سری زمانی دبی جریان رودخانه نیز می تواند در شکاف (Gap) بازه های زمانی که فاقد آمار بار معلق هستیم، تخمینی صحیح از میزان بار معلق رودخانه ارائه دهد.

Keywords:

پیش بینی رسوب , رودخانه , سری زمانی , شبکه عصبی مصنوعی , پرسپترون