نوع مقاله : مقاله پژوهشی
نویسندگان
1 گروه سازه های دریایی، دانشکده مهندسی دریا، دانشگاه علوم و فنون دریایی خرمشهر
2 گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود
چکیده
در هیدرولیک رسوب، برآورد صحیح غلظت رسوب معلق از جهات مختلف مانند تخمین دبی رسوب عبوری، جانمایی سازه های هیدرولیکی و غیره مهم می باشد. با توجه به اهمیت موضوع، در این مطالعه برای مدلسازی و پیشبینی غلظت رسوب رودخانه کارون از شبکه عصبی مصنوعی پرسپترون چند لایه(ANN/MLP) استفاده شد. بدین منظور از 125 سری داده صحرایی اندازه گیری شده شامل غلظت نزدیک کف، سرعت نقطه ای، نزدیکترین فاصله از ساحل، عمق کل جریان و عمق نقطه ای جریان استفاده شد. کارایی مدل مورد استفاده با استفاده از پارامترهای آماری مانند ضریب تبیین(R2) و ریشه میانگین مجذور خطا، میانگین خطای مطلق(RMSE)مورد ارزیابی قرار گرفت. نتایج این پژوهش نشان داد، مدل MLP با یک لایه میانی، تابع سیگمویید و 5 نرون، بهترین ساختار را در مدلسازی غلظت رسوب رودخانه کارون داشتهاند. مقدار ضریب تبیین(R2) و خطای ریشه میانگین مربعات خطا(RMSE) برابر 953/0 و 37/63 میلی گرم بر لیتر به ترتیب در مرحله آموزش و752/0 و 02/203 میلی گرم بر لیتر در مرحله صحتسنجی بوده است. همچنین آنالیز حساسیت انجام شده بر روی پارامترهای ورودی مدل نشان میدهد کمترین و بیشترین تاثیر را دو پارامتر فاصله از ساحل و عمق جریان در یادگیری شبکه عصبی مصنوعی داشتند.
کلیدواژهها
موضوعات