استفاده از الگوريتم شبكه هاي عصبي به منظور پيش بيني دبي جريان در كانالهاي مركب

به طور كلي از نظر هندسي، مقاطع مركب شباهت زيادي به رودخانه ها و جريان هاي طبيعي دارد. پهنه سيلابي )سيلابدشت( و كانال اصلي، از اجزاي اصلي تشكيل دهنده اين مقاطع مي باشند. با توجه به توضيحات فوق، تعيين ظرفيت انتقال رودخانه ها نقش مهمي در توسعه و استفاده از اراضي اطراف آن به منظور كشاورزي و غيره دارد. از اين حيث، اين مقاطع همواره توجه محققين زيادي را به خود جلب نموده كه منجر به ارائه روش هاي تقسيم بندي مقطع 2 ،)SCM( يك بعدي و دو بعدي مختلفي جهت تعيين ظرفيت در آنها، گرديده است. در اين تحقيق روش هاي مقطع واحد 1 مورد بررسي قرار گرفته و نتايج آنها با نتايج حاصل از مدل شبكه هاي عصبي چند لايه )SKM( و شيونو- نايت 4 )EDM( تبادل دبي 3 ،)DCM( عملكرد بهتري نسبت به )ANN( مقايسه گرديده است. نتايج اين مقايسه نشان مي دهد كه به طور كلي مدل شبكه هاي عصبي مصنوعي )MLP( . روش هاي ذكر شده داشته و همچنين دقت بيشتري نسبت به روش هاي SKM و DCM، SCM دارد