تحليل رسوب معلق ورودي به مخزن سد كوثر خلخال با استفاده از شبكه‌هاي عصبي مصنوعي و مقايسه آن با روش رگرسيون خطي چند متغيره

برآورد صحيح حجم رسوبات حمل شده توسط رودخانه‌ها در پروژه‌هاي آبياري از اهميت بسياري برخوردار است. پديده‌هاي فرسايش و انتقال رسوب در آبراهه‌ها ورودخانه ها از پيچيده‌ترين مباحث مهندسي رودخانه مي‌باشد.فرسايش زياد وانتقال دائم اين مواد نه تنها باعث برهم خوردن تعادل طبيعي رودخانه و آبراهه مي شود، بلكه سبب ايجادخساراتي ازقبيل تغييرمسيررودخانه،انباشت رسوبات درپشت سدهاوكاهش حجم مفيد آن ها نيز مي گردد.شبكه‌هاي عصبي مصنوعي يك روش كاملاً غير‌خطي است كه مي تواند تقابل و ارتباط پيچيده‌اي بين پارامترهاي ورودي و خروجي بدون داشتن دانش قبلي درباره طبيعت آن‌ها ايجاد كند.اين تحقيق به بررسي توانايي شبكه عصبي مصنوعي (ANN) و تعيين بهترين مدل براي پيش بيني بار رسوبات معلق روزانه ورودي به مخزن سد كوثر خلخال در رودخانه هيروچاي ، واقع در شمال غرب ايران مي باشد. 147 داده روزانه براي پيش بيني بار معلق روزانه (SSL) استفاده شده است.الگوي باررسوب معلق واردبر مخزن با شبكه‌ي عصبي Backpropegation، و ساختار 1-1-3 براي مرحله آموزش و 1-8-3براي مرحله آزمون و با استفاده ازالگوريتم Feed-Forward Backpropagation، و تابع آموزشي LM يا همان Levenberg Marquardt، و تابع فعاليت زيگموئيد براي لايه مياني و خطي براي لايه خروجي، حاصل شده استدر نهايت با مقايسه دو ساختار موجود، ساختار 1-1-3 شبكه عصبي، براي ارائه بهترين مدل باررسوب معلق ورودي به مخزن سد انتخاب شده و بر پايه چندين شاخص عملكرد معلوم گرديده است كه شبكه‌ي عصبي مصنوعي با ساختار مذكور، باررسوب معلق ورودي به مخزن سد را با دقت بالاتري در مقايسه با تحليل معمول رگرسيوني تخمين زده است.