TY - JOUR ID - 41032 TI - پیش‎بینی توزیع غلظت رسوبات معلق با استفاده از مدل شبکهعصبی مصنوعی JO - مجله علوم و فنون دریایی JA - JMST LA - fa SN - 2008-8965 AU - بهرامی, حسین AU - امامقلی زاده, صمد AD - گروه سازه های دریایی، دانشکده مهندسی دریا، دانشگاه علوم و فنون دریایی خرمشهر AD - گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود Y1 - 2018 PY - 2018 VL - 17 IS - 2 SP - 27 EP - 35 KW - مدلسازی KW - غلظت رسوب KW - رودخانه کارون KW - شبکه عصبی مصنوعی DO - 10.22113/jmst.2016.41032 N2 - 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. UR - https://jmst.kmsu.ac.ir/article_41032.html L1 - https://jmst.kmsu.ac.ir/article_41032_d727b9792752c381ae51bd7059ca60ab.pdf ER -