وحید یزدانی - دانشجوی دکتری مهندسی آب دانشگاه فردوسی
بیژن قهرمان - دانشیار گروه مهندسی آب دانشگاه فردوسی
منصور قلی زاده - دانشجوی کارشناسی ارشد مهندسی آب دانشگاه بوعلی سینا

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه‌ها در پروژه‌های مهندسی رودخانه از اهمیت بسیاری برخوردار است، زیرا پدیده فرسایش و انتقال رسوب از پیچیده‌ترین مسائل هیدرودینامیک می‌باشد. لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه‌ها بسیار سودمند است. به دلیل تاثیر پارامترهای مختلف تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز از دقت کافی برخوردار نیستند. در این تحقیق با بهره‌گیری از معتبرترین داده‌های جمع‌آوری شده در چند دهه گذشته،‌امکان استفاده از شبکه‌ عصبی مصنوعی برای تخمین میزان بار رسوبی رودخانه‌ قره‌سو مورد بررسی قرار گرفت. در این مقاله از شبکه عصبی مصنوعی پیشخور پریسپترون چند لایه (MLP)، با الگوریتم انتشار به عقب خطا به عنوان شبکه‌ای متداول در پیش‌بینی و حل مسائل غیرخطی استفاده شد. اجرای شبکه عصبی مصنوعی در محیط نرم‌افزار NeuroSolution تحت ویندوز انجام شد. بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی (آرایش‌های سه لایه با تعداد نرون متفاوت در لایه میانی) برای مقادیر مختلف دبی رسوب ارایه شد. نتایج مدل‌ها پس از اجرا به صورت شکل، در مقایسه با دبی‌های اندازه‌گیری شده‌ی رسوب، استخراج و با محاسبه معیارهایی نظیر ضریب تعیین، میانگین جذر مربعات خطا و میانگین مطلق خدا، میزان موفقیت الگوهای پیشنهادی در توصیف سری نشان داده شد. کمتر بودن معیارهای فوق برای شبکه عصبی مصنوعی دقیق‌تر بودن نتایج مدل فوق را نسبت به مدل‌های تجربی رایج نشان داد.

شبکه عصبی مصنوعی، رودخانه قره‌سو، دبی، بار رسوب