ارزيابي شبكه هاي پرسپترون چند لايه(MLP) و تابع پايه شعاعي(RBF) در تعيين ضريب سريز جانبي تحت شرايط جريان فوق بحراني

امروزه شبكه هاي عصبي مصنوعي كاربري مطلوبي در مطالعات آبي پيدا نموده است. با استفاده از اين روشها مي توانبرآوردهايي مناسب در مطالعات داشته باشيم. در اين تحقيق اقدام به مقايسه دقت برآوردهاي شبكه هاي عصبي مصنوعي در قبال روشهاي تجربي ارائه شده براي ضريب تخليه سررسزهاي جانبي(Cd) در شرايط جريان هاي فوق بحراني شده است.سرريز جانبي سازه اي مهم در تاسيسات آبي است كه معمولاَ به عنوام حفاظي در بالا دست سيفونهاي معكوس و زير گزر جاده ها استفاده مي گردد.جهت بدست آوردن برآوردهاي مناسب، از شبكه عصبي(MLP) با قانون يادگيري Back ProPagation و شبكه(RBF) و پارامترهاي مؤثر، عدد فرود در بالا ديت سرريز(Fr1) ، ارتفاع سرريز به عمق جريان (S/Y1)، طول سرريز به عمق جريان(L/Y1)، طول كانال به عرض كانال(L/B) به عنوان ورودي شبكه عصبي استفاده گرديد. به منظور ارزيابي دقت برآوردها از پارامترهاي آماري R2و RMSE استفاده شد، بررسي نتايج حاكي از دقت بالاي برآوردهاي شبكه هاي عصبي مصنوعي در قبال فرمول هاي تجربي بود. كارايي شبكه MLP نسبت به شبكه RBF مناسبتر ارزيابي گرديد.