پیشبینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامتر¬های مؤثر بر آن به کمک شبکه عصبی مصنوعی

مکانیک انتقال رسوبات چسبنده متفاوت از رسوبات غیرچسبنده است. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامتر¬های فیزیکی استفاده می‌گردد، در حالی‌که به علت ماهیت رسوبات چسبنده نرخ فرسایش آن‌ها به صورت رابطه‌ای با تنش برشی بستر با ضرایب ثابت مربوط به ویژگی هر نوع رسوب تعریف می‌گردند. در این تحقیق از اطلاعات آزمایشگاهی رسوبات چسبنده مصب رودخانه لویر استفاده شده است که پس از صحت‌سنجی نتایج در نرم افزار مایک ، داده‌های آزمایشگاهی توسعه داده شدند تا بتوان با داده‌های بیشتر و شرایط هیدرولیکی متفاوت‌تری، پدیده فرسایش رسوبات را مورد مطالعه قرار داد. در ادامه نظر به تعداد پارامترهای متعدد مؤثر در پدیده فرسایش رسوبات، از شبکه عصبی برای ایجاد ارتباط میان داده‌ها استفاده گردید. پارامترهای استفاده شده در مدل شامل مؤلفه‌های جریان و مشخصه‌های رسوبات و سیال می‌باشند. به علت عملکرد بهتر شبکه عصبی این داده‌ها پس از بی‌بعدسازی مورد استفاده قرار گرفتند. ضریب همبستگی و میانگین قدر مطلق خطای داده‌ها در شبکه عصبی مورد استفاده به ترتیب 98/0 و 0036/0 به دست آمدند که بیان‌گر عملکرد مناسب شبکه بودند. در نهایت پس از انجام تحلیل حساسیت وزنی، پارامترهای   و   به ترتیب بعنوان مؤثرترین پارامترهای افزایش و کاهش نرخ فرسایش معرفی شدند.
کلید¬واژه¬ها: تنش برشی تسلیم، رودخانه لویر فرانسه، ویژگی‌های سیال و رسوب، تحلیل حساسیت فرسایش، مدل عددی Mike، شبکه عصبی MLP.