استفاده از شبکه عصبی مصنوعی در آنالیز حساسیت تاثیر پارامترهای موثر بر بار معلق رسوب: مطالعه موردی لیقوان چای

دراین تحقیق مدل شبکه عصبی مصنوعی (ANN) بعنوان یک مدل جعبه سیاه جهت بررسی تاثیر درجه حرارت و دبی جریان بر میزان بار رسوب معلق حوضه آبریز لیقوان چای معرفی گردید. مدل شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ - مارگارت قانون یادگیری پس انتشار خطا (BP)برای تعیین ساختار بهینه مدل استفاده شد. پس از تعیین ساختار بهینه مدل، تمام الگوریتم های آموزشی قانون پس انتشار خطا نیز مورد بررسی قرار گرفتند تا مقایسه ای بین الگوریتم ها صورت گیرد که الگوریتم مناسب همان الگوریتم لونبرگ - مارگارت تشخیص داده شد. همچنین مقایسه ای بین نتایج مدل ANN با نتایج مدل های آماری همچون مدل رگرسیونی، مدل سری زمانی خود همبسته (AR)، مدل منحنی توانی و مدل رگرسیون خطی چند متغیره (MLR) صورت گرفت. از روی نتایج حاصله می توان عملکرد بهتر مدل ANN بر مدل های آماری کلاسیک را بیان کرد، اما در مورد مدل خود همبسته مرتبه بالاتر، مدل ANN توانایی کمتری در انعکاس رفتار استوکاستیکی متغیر های هیدرولوژیکی داشته و اغلب در پیش بینی های قطعی بکار گرفته می شود. در این تحقیق حساسیت کمتر رسوب معلق به درجه حرارت محیط استنباط شده است .