تحلیل رسوب معلق ورودی به مخزن سد کوثر خلخال با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با روش رگرسیون خطی چند متغیره

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبیاری از اهمیت بسیاری برخوردار است. پدیده های فرسایش و انتقال رسوب در آبراهه ها و رودخانه ها از پیچیده ترین مباحث مهندسی رودخانه می باشد. فرسایش زیاد وانتقال دائم این مواد نه تنها باعث برهم خوردن تعادل طبیعی رودخانه و آبراهه می شود، بلکه سبب ایجاد خساراتی از قبیل تغییر مسیر رودخانه، انباشت رسوبات درپشت سدها و کاهش حجم مفید آن ها نیز می گردد. شبکه های عصبی مصنوعی یک روش کاملاً غیرخطی است که می تواند تقابل و ارتباط پیچیدهای بین پارامترهای ورودی و خروجی بدون داشتن دانش قبلی درباره طبیعت آن ها ایجاد کند. این تحقیق به بررسی توانایی شبکه عصبی مصنوعی (ann) و تعیین بهترین مدل برای پیش بینی بار رسوبات معلق روزانه ورودی به مخزن سد کوثر خلخال در رودخانه هیروچای، واقع در شمال غرب ایران می باشد. 147 داده روزانه برای پیش بینی بار معلق روزانه (ssl) استفاده شده است.الگوی باررسوب معلق وارد بر مخزن با شبکه ی عصبی backpropegation، و ساختار 1-1-3 برای مرحله آموزش و 1-8-3 برای مرحله آزمون و با استفاده ازالگوریتم feed-forward backpropagation، و تابع آموزشی lm یا همان levenberg marquardt ، و تابع فعالیت زیگموئید برای لایه میانی و خطی برای لایه خروجی، حاصل شده استدر نهایت با مقایسه دو ساختار موجود، ساختار 1-1-3 شبکه عصبی، برای ارائه بهترین مدل بار رسوب معلق ورودی به مخزن سد انتخاب شده و بر پایه چندین شاخص عملکرد معلوم گردیده است که شبکه ی عصبی مصنوعی با ساختار مذکور، باررسوب معلق ورودی به مخزن سد را با دقت بالاتری در مقایسه با تحلیل معمول رگرسیونی تخمین زده است.