ارزیابی قابلیت شبکه های عصبی مصنوعی در برآورد بار بستر رودخانه های شنی

مقدار رسوب انتقال یافته در رودخانه ها به صورت بار بستر و برآورد آن یکی از مسایل مهم در هیدرولیک رسوب محسوب می گردد. هدف از مطالعه حاضر استفاده از شبکه های عصبی مصنوعی به عنوان یکی از روش های قدرتمند هوش مصنوعی در مدل سازی و تخمین بار بستر در رودخانه های شنی می باشد. بدین منظور داده های جمع آوری شده از 19 رودخانه شنی واقع در ایالات متحده آمریکا بررسی و پس از انجام فرآیند پیش پردازش، جهت مدلسازی به کار گرفته شدند. مدل های مختلفی براساس شرایط هیدرولیکی جریان و نیز مشخصات رسوبی رودخانه ها تعریف و به عنوان ورودی تعریف گردیدند. نتایج حاصل از فرآیند مدلسازی نشان دهنده دقت بالای این روش در پیش بینی بار بستر در رودخانه ها بوده و مدل با ورودی های عدد فرود، نسبت شعاع هیدرولیکی به متوسط اندازه ذرات رسوبی، عدد شیلدز و نسبت سرعت متوسط به سرعت برشی جریان با دارا بودن ضریب همبستگی R=0/9، ضریب تعیین DC=0/8 و خطای جذر میانگین مربعات برابر RMSE=0/03 به عنوان مدل برتر انتخاب گردید.