مکانیک انتقال رسوبات چسبنده متفاوت از رسوبات غیرچسبنده است. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیکی، همانند قطر متوسط و چگالی 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 Mike، 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.
kheirkhahan M, hosseini K, nayyer S. Prediction of Cohesive Sediment Erosion Rate and Analyzing the Effective Parameters Using Artificial Neural Network. jwmseir 2020; 14 (48) :68-78 URL: http://jwmsei.ir/article-1-906-fa.html
خیرخواهان مهران، حسینی خسرو، نیر شهاب. پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامترهای مؤثر بر آن به کمک شبکه عصبی مصنوعی. مجله علوم ومهندسی آبخیزداری ایران. 1399; 14 (48) :68-78
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.