ارزیابی دقت شبکه های عصبی مصنوع ی در برآورد قطر رسوبات بار بستر توسط نرم افزار STE

یکی از مسائل و مشکلاتی که در رابطه با بهره برداری از منابع آبی اهمیت خاصی پید ا نموده، مسئله رسوب می باشد. رسوب، تولید نهایی فرسایشاست که به وسیله آب، باد، یخ و نیروی ثقل حمل می گردد. دامنه تغییرات اندازه رسوبات از ذرات کلوئیدی تا قلوه سنگ های بزرگ می باشد و ازنظر شکل ظاهری از کاملا گرد تا تیز گوشه تغییر می کنند. حمل بار رسوبی در مسیرهای آبرفتی بطور و سیعی مورد مطالعه قرار گرفته است و روابطمتفاوتی براساس اطلاعات آزمایشگاهی یا صحرایی ارائه شده است. تمامی روش های هیدرولیکی ارائه شده برای برآورد بار رسوبی نیاز به اندازهقطر ذرات رسوبی داشته و برای این منظور یکی از مشکلات برآورد بار رسوب را می توان اندازه گیری قطر رسوبات دانست. از طرفی با توجه بهپیشرفت الگوریتم ها و روش های هوش مصنوعی در علوم مهندسی می توان با استفاده از روش هایی همچون شبکه های عصبی مصنوعی، برآوردخوبی از قطر رسوبات انجام داد و موجب کاهش زمان و هزینه های ناشی از اندازه گیری و افزایش دقت و اطمینان در تخمین ها شد. در این تحقیقبا استفاده از قابلیت تعلیم شبکه های عصبی مصنوعی در نرم افزار توسعه یافته STE ، اقدام به تعلیم و ارزیابی این شبکه ها در رودخانه های استانگلستان و مازندران شده است. نتایج نشان داد تعلیم و استفاده از این شبکه ها میتواند با دقت قابل توجهی اندازه رسوبات در حال حمل توسط جریانرا پیش بینی کرده و به تخمین دقیق تر بار رسوب کمک کند.