جواد ظهیری - دانشجوی دکتری سازههای آبی دانشگاه شهید چمران اهواز
یوسف رمضانی - دانشجوی کارشناسی ارشد سازههای آبی دانشگاه شهید چمران اهواز

یکی از مهمترین پارامترهای موثر در مدل سازی آلودگی ضریب انتشار طولی است که روابط تجربی و تئوری متعددی جهت تخمین آن پیشنهاد شده ولی با این وجود مطالعات بسیاری نیز بر روی این ضریب در حال انجام است . استفاده از این روابط در برخی شرای ط با نتایج خوبی همراه بوده اما تعمیم آنها برای کلیه شرایط هندسی و هیدرولیکی دشوار می باشد . در این تحقیق از روش شبکه عصبی مصنوعی ) ) Artificial Neural Network جهت برآورد ضریب انتشار طولی در آبراهه های طبیعی استفاده گردیده است . نرم افزار مورد استفاده در این تحق یق NeuralTools می باشد که امروزه در زمینههای مختلف مورد استفاده قرار می گیرد . بدین ترتیب از داده های اندازه گیری شده مربوط به ضریب پخشیدگی در نقاط مختلف دنیا جهت آموزش و صحت سنجی مدل استفاده گردید . در نهایت نتایج حاصل از مدل با نتایج حاصل از بکار بردن رو ابط تجربی موجود مورد مقایسه قرار گرفت . از جمله روابط مورد استفاده در این تحقیق می توان به روابط الدر، تکستون، سئو و چانگ و نیز فی شر و همکاران اشاره نمود . نتیجه این مقایسه دقت نسبتا بالای شبکه عصبی در برآورد ضریب انتشار طولی در آبراهههای طبیعی را نسبت به روابط تجربی موجود نشان میدهد

مدلسازی آلودگی، ضریب انتشار طولی، شبکه عصبی مصنوعی ، NeuralTools ، آموزش و صحت - سنجی مدل