برآورد بارمعلق رسوب با استفاده ازشبكه هاي عصبي مصنوعي وسيستم استنتاجي فازي -عصبي تطبيقي ومقايسه با نتايج روش اينشتين (مطالعه موردي:رودخانه بالخلي چاي- ايستگاه ساميان اردبيل)

برآورد مقدار مواد رسوبی كه یك جریان مشخص قادر به حمل آن است یكی از موضوعات اصلی تحقیقات رسوب می باشد كه در بسیاری از پروژ ه های مهندسی همچون برنامه ریزی و طراحی منابع ذخیره آب، مورفولوژی و تغییرات بستر رودخانه، برآورد رسوب سالیانه برای آبگیری رودخانه ها، طراحی و نگهداری كانال های آبیاری پایدار، حفاظت سواحل، لایروبی كانا ل ها و ... حائز اهمیت می باشد. تاكنون روشهای نظری و تجربی مختلفی بمنظور برآورد باركل، بار بستر و بار معلق در یك رودخانه، گسترش یافته است. امروزه با گسترش استفاده از مدل های محاسباتی نوین، راه حل های بهتر و جدیدتری در حل مسائل هیدرولیكی ارائه شده است.یكی از راه حلها استفاده از شبكه ای عصبی مصنوعی است كه می تواند ورودی های را طبقه بندی كنند و این خاصیت موقعی مفید خواهد بود كه انعطاف پذیری آن نیز حفظ گردد. برای این منظور با استفاده از منطق فازی، كه می تواند با فهم عمیقی از متغییرهای فازی و توابع عضویت، روابط ورودی-خروجی و بعلاوه تشخیص درست در انتخاب قوانین فازی با بكار بردن قواعد فازی و همچنین وزن دار كردن داده ورودی در آخر به نتایج مطلوبی دست یافت.در این تحقیق با استفاده از سیستم استنتاجی فازی-عصبی تطبیقی، بهترین ساختار شبكه جهت برآورد بار رسوب رودخانه بالخلی چای- ایستگاه اردبیل تعیین شد ، روش پیشنهادی استفاده از شبكه 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 كه دلالت بر توانایی بهتر مدل شبكه فازی تطبیقی در برآورد بار رسوب دارد.