تعين ضريب پخشيدگي طولي در آبراهه‌هاي طبيعي با استفاده از بهينه يابي شبكه عصبي مصنوعي

انتقال طولي آلاينده ها يكي از مراحل مهم در فرآيند رقيق سازي آلاينده ها مي باشد كه شناخت آن از اهميت ويژه اي برخوردار است. دشواري اندازه گيري ضريب انتشار طولي در رودخانه ها نياز به استفاده از روش هاي مناسب مدل سازي در پيش بيني اين ضريب را بيشتر مي كند، هدف از اين پژوهش نيز برآورد ضريب پخشيدگي طولي در آبراهه هاي طبيعي با استفاده از بهينه يابي شبكه عصبي مصنوعي مي باشد. در اين پژوهش با آناليز ابعادي متغيرهاي ورودي و خروجي موثر در پخشيدگي طولي رودخانه تعيين گرديد و در شبكه عصبي وارد گرديد. متغيرهاي عرض جريان رودخانه (w) ، عمق جريان (h) ، سرعت متوسط جريان (u) و سرعت برشي جريان رودخانه (u*) ، به عنوان متغيرهاي ورودي و از متغير ضريب پخشيدگي طولي (k) به عنوان ضريب پخشيدگي طولي به عنوان متغير خروجي در شبكه عصبي استفاده گرديد. مطابق نتايج بدست آمده در حالت بعد دار بهترين شبكه عصبي با ضريب همبستگي 0.919 با خطاي RMSE برابر با 106.36 با 4 نرون در يك لايه مخفي با تابع آموزشي لورنبرگ بدست آمد؛ كه پس از بهينه يابي ميزان R2 برابر با 0.95 و خطاي RMSE برابر با 59 / 57 گرديد. در حالت بدون بعد نيز از متغيرهاي (u/u*) و (w/h) جهت تعين متغير بي بعد ضريب K استفاده شد. بهترين شبكه جهت مدلسازي در اين حالت با شبكه عصبي با مقدار خطاي RMSE برابر با 519 / 0 و مقدار ضريب همبستگي 989 / 0 بدست آمد. آناليز حساسيت نيز ، جهت تعيين ميزان اثر هر كدام از متغيرهاي ورودي بر ضريب اختلاط طولي انجام پذيرفت. تحليل نتايج بدست آمده نشان داد كه استفاده از شبكه هاي عصبي مصنوعي كارايي بالايي در مدلسازي و شبيه سازي ضريب اختلاط طولي رودخانه دارد.