پيش بيني آورد رسوب رودخانه ها و امكان واسنجي ايجاد ايستگاه هاي مرجع رسوب سنجي توسط مدل شبكه عصبي (مطالعه موردي: رودخانه كارون)

برآوردصحيح حجم رسوبات حمل شده توسط رودخانه ها در پروژه هاي آبي از اهميت زيادي برخوردار است. عدم توانايي تعيين دقيق معادلات حاكم؛ به دليل تاثيرپارامترهاي مختلف و مشكلات ناشي از تعين تاثيرات آنها، باعث شده است كه محققان به استفاده از روش هاي عددي نظير شبكه هاي عصبي مصنوعي روي آورند. در اين تحقيق در ابتدا براي هر يك از ايستگاههاي اهواز و فارسيات رودخانه كارون با استفاده از تركيبات مختلفي از ورودي ها و نيز توابع ارتباطي گوناگون توسط شبكه عصبي مصنوعي مدل هايي طراحي و بهترين مدل انتخاب شد. سپس با استفاده از اطلاعات ايستگاه بالا دست اين دو ايستگاه و بر اساس تركيب ورودي بهترين مدل مرحله قبل مدل هايي طراحي شد. اين مدل ،داراي دقت مناسب، و بالاتر از دقت مدل هاي مرحله قبلي بود. مدل جديد كه رسوب معلق ايستگاه پاين دست را بر اساس آمار ايستگاه بالادست پيش بيني مي كند؛ در تحقق دو هدف ما را ياري مي رساند: راه جديدي براي پيش بيني دقيق تر ميزان رسوب معلق هر ايستگاه با صرف هزينه اي منطقي پيش روي ما قرار مي دهد. و نيز با توجه به توانايي بالاي پيش بيني اين مدل، منطقي مي نمايدكه در يك رودخانه تعدادي از ايستگاه هاي هيدرومتري ، ايستگاه هاي اصلي باشند كه مجهزتر، داراي نيروي انساني متخصص، و آمار با دقت بالا هستند؛ و بقيه ايستگاهها در سطح پايين تري از لحاظ تجهيزات و نيروي انساني تمام وقت قرار داشته باشند.توسط اطلاعاتي كه از ايستگاههاي اصلي بدست مي آيد و طراحي مدل بر اساس آنها، و سپس مقايسه نتايج با اطلاعات ايستگاههاي فرعي؛ مي توان پوششي خوب از دقتي يكسان را در كل مسير رودخانه داشت.