مقايسه قابليت شبكه عصبي مصنوعي و توابع رگرسيوني در برآورد بار معلق رودخانه مطالعه موردي رودخانه طرق در استان خراسان رضوي

پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیكی مهمی است كه بسیاری از سیستم های فیزیكی و تأسیسات عمرانی را تحت تأثیر قرار می دهد و به عنوان یكی از بزرگ ترین مشكلات بهره برداری از منابع آب های سطحی در جهان مطرح است. باتوجه به نقش و اهمیت رسوب در عمر مفید سدهای كشور كه نقش بزرگی را در توسعه اقتصادی كشور ایفا می كنند، عدم توجه به اندازه گیری و محاسبه دقیق آن، باعث اتلاف سرمایه های ملی می گردد. بدیهی است كه دقت پیش بینی میزان رسوب وارده به مخازن سدها، بستگی زیادی به روش های محاسباتی و معادلات ارائه شده در این زمینه دارد؛ از طرفی دامنه كاربرد این روش ها به سبب پیچیدگی طبیعت رودخانه ها و گوناگونی عوامل مؤثر در پدیده انتقال رسوب محدود می باشد و نتایج به دست آمده اغلب دارای دامنه نوسان زیادی است. در این مقاله شبكه عصبی مصنوعی به عنوان روشی مؤثر جهت تخمین مقدار رسوب معلق بكار گرفته شده است. شبكه ای با ساختار و آموزش مناسب و داده های كافی قادر است تأثیرات مخفی و ارتباط بین دبی آب و دبی رسوب را بدون استفاده از روابط اختصاصی و معادلات انتقال فراگیرد. پس از طرح و آموزش شبكه كاربرد این مدل محاسباتی در برآورد رسوب برای یكی از رودخانه های كشور بررسی شده و نتایج حاصل از آن با روش متداول تخمین رسوب (برازش منحنی توانی بر داده های آماری دبی رسوب) مقایسه شده است. نتایج این مقایسه نشان دهنده بهبود قابل توجهی در دقت تخمین رسوب و كارایی این روش می باشد.