سال انتشار: ۱۳۸۶

محل انتشار: ششمین کنفرانس هیدرولیک ایران

تعداد صفحات: ۱۰

نویسنده(ها):

طاهر رجایی – دانشجوی دکترای عمران آب – محیط زیست، دانشگاه صنعتی خواجه نصیرالدین طوس
سیداحمد میرباقری – دانشیار دانشکده عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
سیامک بوداقپور – استادیار دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد ذونعمت کرمانی – دانشجوی دکترای عمران آب – هیدرولیک ، دانشگاه صنعتی خواجه نصیرالدین طو

چکیده:

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.