مهران جوان اجدادی - کارشناس ارشد، اردبیل، خ-مطهری، کوچه ۱۰ متری ۲، پلاک۵
محمد محمودیان شوشتری - استاد دانشگاه شهید چمران اهواز دانشکده مهندسی گروه عمران

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 پروژ ههای مهندسی همچون برنامه ریزی و طراحی منابع ذخیره آب، مورفولوژی و تغییرات بستر رودخانه، برآورد رسوب سالیانه برای آبگیری رودخانه ها، طراحی و نگهداری کانال های آبیاری پایدار، حفاظت سواحل، لایروبی کانا ل ها و ... حائز اهمیت می باشد. تاکنون روشهای نظری و تجربی مختلفی بمنظور برآورد بارکل، بار بستر و بار معلق در یک رودخانه، گسترش یافته است. امروزه با گسترش استفاده از مدل های محاسباتی نوین، راه حل های بهتر و جدیدتری در حل مسائل هیدرولیکی ارائه شده است.یکی از راه حلها استفاده از شبکه ای عصبی مصنوعی است که می تواند ورودی های را طبقه بندی کنند و این خاصیت موقعی مفید خواهد بود که انعطاف پذیری آن نیز حفظ گردد. برای این منظور با استفاده از منطق فازی، که می تواند با فهم عمیقی از متغییرهای فازی و توابع عضویت، روابط ورودی-خروجی و بعلاوه تشخیص درست در انتخاب قوانین فازی با بکار بردن قواعد فازی و همچنین وزن دار کردن داده ورودی در آخر به نتایج مطلوبی دست یافت.در این تحقیق با استفاده از سیستم استنتاجی فازی-عصبی تطبیقی، بهترین ساختار شبکه جهت برآورد بار رسوب رودخانه بالخلی چای- ایستگاه اردبیل تعیین شد ، روش پیشنهادی استفاده از شبکه ANFIS است . نتایج تحقیق نشان داد نتایج سیستم استنتاجی فازی -عصبی تطبیقی با ساختار پیشنهادی در مقایسه با نتایج واقعی از دقت بیشتری برخوردار می باشد که دلالت بر توانایی بهتر مدل شبکه فازی تطبیقی در برآورد بار رسوب دارد.

سیستم استنتاجی فازی - عصبی تطبیقی ، بار رسوب ، ANFIS ، شبکه عصبی مصنوعی