فهرست نشریات علمی دسترسی آزاد ایران

در تحقیق حاضر روشی برای به ­روزرسانی مدل‌های عددی پیش­بینی جریان غیردائم در شبکه های رودخانه ای با استفاده از ترکیب روش سطح پاسخ و روش­های فراکاوشی توسعه داده شده است. در این راستا، شاخه‌ای از رود گرمابدر (زیقون) برای مطالعۀ موردی انتخاب شد. از نرم ­افزار Hec-Ras به ­منظور تهیۀ مدل عددی جریان غیر دائم در شبکۀ رودخانه‌ای استفاده شده است. شبکۀ عصبی نیز برای شبه سازی روش عددی انتخاب شد تا در روند استفاده از روش الگوریتم ژنتیک بتوان پارامترهای مورد نظر را بهینه سازی کرد. پس از مدل­سازی جریان غیردائم در نرم ­افزار Hec-Ras برای به ­روز رسانی مدل عددی، ضریب مانینگ به عنوان پارامتر تاثیرگذار در نتایج حاصل از نرم ­افزار Hec-Ras انتخاب گردید. برای بررسی تاثیر این پارامتر و تعیین مقدار بهینه برای به ­روز رسانی مدل عددی مورد نظر، به تعداد 100 بار نرم افزار Hec-Ras به‌ازای ضریب ­های مانینگ متفاوت مدل­ سازی و آنالیز گردید و شبکۀ عصبی با تعداد 1000 لایۀ درونی آموزش داده شد. نتایج به ­دست آمده نشان داد که بهینه سازی پارامتری موثر در رفتار جریان شبیه­ سازی شده و  روندی است فرسایشی و زمان­بر اما استفاده از شبکۀ عصبی این سرعت همگرایی را بالا می ­برد و در نتیجه این روند بسیار سریع ­تر و قابل اعتمادتر می شود. از طرف دیگر، نتایج نشان می­ دهد که ضرایب مانینگ از پارامترهای بسیار مهم و تاثیرگذار در رفتار جریان شبیه ­سازی شده است که با تغییری اندک در آن، نتایج مدل شبیه­ سازی شده دستخوش پراکندگی قابل توجهی می ­شود که در روند آنالیز باید در نظر گرفته شود تا نتایج حاصل با واقعیت تفاوت قابل توجهی نداشته باشند.