برآورد پروفیل سرعت در کانال های روباز ذوزنقه ای به کمک شبکه عصبی مصنوعی

سهولت استفاده از شبکه های عصبی باعث شده که در سال های اخیر، در بسیاری از علوم مهندسی این مدل ها برای تخمین پارامترهای مختلف بکار گرفته شود. پیش بینی خصوصیات جریان و رسوب در کانال ها همواره یکی از موضوعات مورد توجه مهندسین هیدرولیک بوده است. این تحقیق با استفاده از داده های آزمایشگاهی یون (1989) و به کمک شبکه عصبی مصنوعی به تخمین سرعت در کانال های ذوزنقه ای با نسبت شکل های (نسبت عرض کف به عمق کانال) مختلف پرداخته شد. مدل به ازای توابع آموزشی مختلف و ساختارهای شبکه متفاوت اجرا گردید. نتایج نشان داد که مدلی که نوع تابع آموزشی آن لونبرگ- مارکورات، نوع شبکه آن feedforwardnet با 3 لایه مخفی و 33 نرون بود، بهترین برآورد را در تخمین سرعت داشته است. مقادیر حداقل میانگین مربعات خطا و ضریب همبستگی برای این شبکه به ترتیب برابر 0.059 و 0.9963 بدست آمد. بررسی تفکیک شده نتایج مدل برتر برای نسبت شکل های مختلف نشان داد که با افزایش نسبت شکل، دقت مدل کاهش یافته است و بیشترین دقت برای نسبت شکل یک یعنی حالتی که عرض کف کانال ذوزنقه ای با عمق کانال برابر بود؛ مشاهده گردید.