تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی

انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها می باشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانه ها نیاز به استفاده از روش های مناسب مدل سازی در پیش بینی این ضریب را بیشتر میکند. یکی از روش های کارآمد مدل سازی شبکه عصبی مصنوعی است که یکی ازتکنیک های هوش مصنوعی محسوب میشود. در این مدل بدون استفاده از معادلات پیچیده غیرخطی، میتوان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی مدل را پیش بینی نمود. در این مطالعه ضریب انتشار طولی باتوجه به مقادیر پارامترهای هیدرولیکی و هندسی رودخانه ها به عنوان پارامترهای ورودی و با استفاده از شبکه عصبی مصنوعی پیش بینی گردید. نتایج نشان داد شبکه پرسپترون پیشخور، پس انتشار خطا از دقت مناسبی برای تخمین ضریب پخش طولی آلودگی برخوردار است. نتایج تحلیل ترکیب پارامترهای ورودی نشان داد که با لحاظ نسبت سرعت به سرعت0 % و در صورت لحاظ / 0 و تابع خطا برابر 87 / برشی بهعنوان پارامتر ورودی مدل، میزان ضریب تعیین همبستگی 841/ 0 و تابع خطا برابر 01 / نسبت عرض جریان به عمق جریان به عنوان پارامتر ورودی، میزان ضریب تعیین همبستگی 7% حاصل شد. بنابراین نسبت سرعت به سرعت برشی یا ضریب زبری دارای تاثیر بیشتری بر ضریب انتشار طولی است.روش ارائه شده در این تحقیق رهیافتی کارآمد در تخمین ضریب پخش طولی آلودگی در رودخانه ها محسوب شده و قابلیت ترکیب با سایر مدل های پخش آلودگی را دارا میباشد.