پيش بيني نرخ فرسايش رسوبات چسبنده و تحليل پارامترهاي مؤثر بر آن به كمك شبكه عصبي مصنوعي

مكانيك انتقال رسوبات چسبنده متفاوت از رسوبات غيرچسبنده است. در تعيين نرخ فرسايش رسوبات غيرچسبنده از پارامترهاي فيزيكي، همانند قطر متوسط و چگالي استفاده مي‌گردد، در حالي‌كه به علت ماهيت رسوبات چسبنده نرخ فرسايش آن‌ها به صورت رابطه‌اي با تنش برشي بستر با ضرايب ثابت مربوط به ويژگي هر نوع رسوب تعريف مي‌گردند. در اين تحقيق از اطلاعات آزمايشگاهي رسوبات چسبنده مصب رودخانه لوير استفاده شده است كه پس از صحت‌سنجي نتايج در نرم افزار Mike، داده‌هاي آزمايشگاهي توسعه داده شدند تا بتوان با داده‌هاي بيشتر و شرايط هيدروليكي متفاوت‌تري، پديده فرسايش رسوبات را مورد مطالعه قرار داد. در ادامه نظر به تعداد پارامترهاي متعدد مؤثر در پديده فرسايش رسوبات، از شبكه عصبي براي ايجاد ارتباط ميان داده‌ها استفاده گرديد. پارامترهاي استفاده شده در مدل شامل مؤلفه‌هاي جريان و مشخصه‌هاي رسوبات و سيال مي‌باشند. به علت عملكرد بهتر شبكه عصبي اين داده‌ها پس از بي‌بعدسازي مورد استفاده قرار گرفتند. ضريب همبستگي و ميانگين قدر مطلق خطاي داده‌ها در شبكه عصبي مورد استفاده به ترتيب 98/ 0 و 0036/ 0 به دست آمدند كه بيان‌گر عملكرد مناسب شبكه بودند. در نهايت پس از انجام تحليل حساسيت وزني، پارامترهاي V/√τy/ρw و ρs/ρw به ترتيب بعنوان مؤثرترين پارامترهاي افزايش و كاهش نرخ فرسايش معرفي شدند.