کاربرد شبکه های عصبی مصنوعی در پیش بینی آبشستگی پایین دست سازه های کنترل شیب

سازه های کنترل شیب، از کاهش تراز اضافی بستر در کانال های آبرفتی که شیب زیادی دارند، جلوگیری می کنند. آبشستگی موضعی پایین دست سازه های کنترل شیب در بسترهای آبرفتی، پدیده پیچیده ای برحسب تخمین عمق فرسایش بیشینه می باشد. تعیین موقعیت و عمق آبشستگی، برای طراحی فونداسیون و جلوگیری از تخریب سازه ضروری می باشد. مهندسین هیدرولیک تلاش های زیادی برای ارتباط آبشستگی موضعی پایین دست سازه های کنترل شیب به فاکتورهای مختلف هیدرولیکی و مورفولوژیکی مثل دبی، ارتفاع ریزش، عرض سرریز، اندازه متوسط ذرات بستر و دانسیته جرمی رسوبات انجام داده اند. محققین مختلفی در طی چند دهه گذشته، فرمول هایی تجربی مبتنی بر آزمایش و نیز مشاهدات نمونه اصلی، به منظور پیش بینی آبشستگی پایین دست سازه های کنترل شیب، ارائه کرده اند. در این پایان نامه، از شبکه های عصبی مصنوعی به عنوان یکی از قدرتمندترین ابزارهای مهندسی، برای پیش بینی آبشستگی موضعی پایین دست سازه های کنترل شیب، استفاده شده است. چهار پارامتر بی بعد مهم آبشستگی پایین دست سازه های کنترل شیب، با استفاده از شبکه های عصبی مصنوعی مدل شده اند. اندازه گیری های آبشستگی موجود در متون، برای برقراری مدل های شبکه های عصبی مصنوعی، استفاده شده اند. مدل های نهایی برای هر متغیر آبشستگی با فرمول های تجربی اخیر موجود در متون مربوط به آبشستگی پایین دست سازه های کنترل شیب، مقایسه شده اند.