استفاده از شبكه هاي عصبي مصنوعي در برآورد دبي رسوب ورودي به سد مخزني كرخه

از آنجا كه برآورد دقيق حجم رسوبات، مهم ترين عامل در ساماندهي رودخانه ها و بهرهبرداري از منابع آب و تعيين عمر مفيد سدها مي باشد، لذا، با استفاده از روش هايي با دقت مناسب جهت محاسبه بار رسوب، از مهم ترين اهداف پروژه هاي مرتبط با رسوب محسوب مي شود. در اين مقاله با كاربرد نرم افزار2000 Qnet در ايستگاه هاي پل زال و جلوگير در بالادست كرخه به كمك اطلاعات هيدرومتري، دبي ريوب ورودي به سد كرخه با دقت نسبتاَ بالايي پيش بيني گرديد. نتايج مدل سازي شبكه هاي عصبي مصنوعي نشان داده است كه پارامتر دبي در همان روز در هر ايستگاه، مؤثرترين پارامتر ورودي از ميان 5 متغير مختلف در شبيه سازي مدل بوده است. مقايسه نتايج حاصل از مدل و مقادير اندازه گيري شده در مراحل آموزش و صحت سنجي و تست نشان داده است كه مدل قادر بوده پديده انتقال رسوب را به خوبي پيش بيبني نمايد. همچنين با مقايسه روش شبكه هاي عصبي با روش منحني سنجه، ملاحظه گرديد كه روش شبكه هاي عصبي مصنوعي دبي رسوب را با دقت بالاتري برآورد مي كند.