رضا تیموری - دانشجوی دکتری گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی - دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگا ن

برآورد مقدار مواد رسوبی که یک جریان مشخص قادر به حمل آن است یکی از موضوعات اصلی تحقیقات رسوب می باشد که در بسیاری از پروژههای مهندسی همچون برنام ه ریزی و طراحی منابع ذخیره آب ، مورفولوژی و تغییرات بستر رودخانه، برآورد رسوب سالیانه برای آبگیرهای رودخانه،طراحی و نگهداری کانال های آبیاری پایدار، حفاظت سواحل، لایروبی کانال ها و غیره حائز اهمیت می باشد. حمل بار رسوبی در م سیرهای آبرفتیبطور وسیعی مورد مطالعه قرار گرفته است و روابط متفاوتی براساس اطلاعات آزمایشگاهی یا صحرایی ارائه شده است. هم اکنون برآورد نرخ حملبار رسوبی با استفاده از روشهای هیدرولیکی و هیدرولوژیکی انجام می شود و اختلاف قابل ملاحظه ای بین نتایج روشهای مختلف وجود دارد. ازطرفی با توجه به پیشرفت الگوریتم ها و روش های هوش مصنوعی در علوم مهندسی می توان با استفاده از روش های ی همچون شبکه های عصبیمصنوعی، برآورد خوبی از بار رسوبی انجام داد و موجب افزایش دقت و اطمینان در تخمین ها شد. در این تحقیق با استفاده از قابلیت تعلیم شبکههای عصبی مصنوعی در نرم افزار توسعه یافته STE ، اقدام به تعلیم و ارزیابی این شبکه ها در رودخانه بابلرود استان مازندرا ن و مقاطعی از رودخانههای استان گلستان شده است. نتایج نشان داد تعلیم و استفاده از این شبکه ها ضمن ارائه توزیع عرضی دبی بار رسوب در عرض رودخانه ها با دقتیقابل توجه، می تواند به تخمین دقیق تر دبی بار رسوب کمک کند.

برآورد بار بستر، شبکه های عصبی مصنوعی، مدلسازی دو بعدی بار رسوبی، روش های هوشمند، نرم افزار STE