استفاده از الگوريتم شبكه هاي عصبي به منظور پيش بيني دبي جريان در كانالهاي مركب

به طور كلي از نظر هندسي، مقاطع مركب شباهت زيادي به رودخانه ها و جريان هاي طبيعي دارد. پهنه سيلابي )سيلابدشت( و كانال اصلي، از اجزاي اصلي تشكيل دهنده اين مقاطع مي باشند. با توجه به توضيحات فوق، تعيين ظرفيت انتقال رودخانه ها نقش مهمي در توسعه و استفاده از اراضياطراف آن به منظور كشاورزي و غيره دارد. از اين حيث، اين مقاطع همواره توجه محققين زيادي را به خود جلب نموده كه منجر به ارائه روش هاي يك بعدي و دو بعدي مختلفي جهت تعيين ظرفيت در آنها، گرديده است. در اين تحقيق روش هاي مقطع واحدSCM( تقسيم بندي مقطعDCM(تبادل دبيEDM(و شيونو- نايتSKM( مورد بررسي قرار گرفته و نتايج آنها با نتايج حاصل از مدل شبكه هاي عصبي چند لايهMLP( مقايسه گرديده است. نتايج اين مقايسه نشان مي دهد كه به طور كلي مدل شبكه هاي عصبي مصنوعيANN( عملكرد بهتري نسبت به روش هاي ذكر شده داشته و همچنين دقت بيشتري نسبت به روش هايSKM و DCM، SCM دارد.