نام پژوهشگر: طیب صادقی فر
طیب صادقی فر سید علی آزرم سا
برآورد نرخ انتقال رسوب ساحلی از جمله مهمترین عوامل مورد نیاز در محاسبه مقدار و الگوی فرسایش و رسوبگذاری در مهندسی سواحل می باشد. طی دهه های اخیر فرمولهای تجربی مختلفی جهت بر آورد نرخ انتقال رسوب ساحلی توسط محققان زیادی ارائه شده است که هریک از روشها تحت شرایط محدود نیمرخ بستر و برای محدوده مشخصی از دانه بندی رسوب کالیبره و استفاده شده اند. یکی از پرکاربردترین این مدل ها در پیش بینی نرخ انتقال رسوب در امتداد ساحل، شبکه عصبی مصنوعی بوده که به دلیل مزیت هایی که نسبت به سایر روشها داشته، مبنای این پژوهش قرار گرفته است. هدف از پایان نامه حاضر پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمول های نیمه تجربی و کاربرد شبکه عصبی مصنوعی در شرایط سواحل جنوبی دریای خزر( ساحل نور) می باشد. برای پیش بینی نرخ انتقال رسوب در امتداد ساحل، از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد و به منظور ارزیابی عملکرد توابع انتقال مختلف، کلیه شبکه های مورد نظر پس از تعیین تعداد بهینه تکرار و نرون لایه پنهان با دو تابع سیگموئید و تانژانت هیپربولیک اجرا و با یکدیگر مقایسه شد. به این منظور نرخ انتقال رسوب در امتداد ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله گیر ستونی معلق به صورت روزانه اندازه گیری شد. رسوب جمع آوری شده در تله، تخلیه و به آزمایشگاه منتقل شده و بعد از خشک شدن در دمای 105 درجه آون به مدت 24 ساعت، نمونه ها توزین شده و با استفاده از فرمول های مورد استفاده در گزارش نهایی داک 85 نرخ انتقال رسوب محاسبه گردید نتایج استفاده از فرمول داک 85 نشان داد که نرخ انتقال رسوب برای ساحل شهرستان نور برابر با 334340 متر مکعب بر سال می باشد. همچنین با استفاده از فرمولهای نیمه تجربی سرک (c.e.r.c)، والتون وبرنو (w.b)، گالوین (g) و کامفوس (k) نرخ انتقال رسوب اندازه گیری شده به ترتیب برابر با350400، 315360، 297840 و 359890 متر مکعب بر سال محاسبه شد. در مرحله اول شبکه عصبی مصنوعی با متغیرهایی که با روش تجزیه و تحلیل عاملی به عنوان متغیر مستقل انتخاب شده بودند، اجرا شد. نتایج نشان داد که در مجموع عملکرد شبکه با تابع انتقال تانژانت هیپربولیک بهتر از سیگموئید بوده است. بهترین شبکه، شبکه ای با ورودی های ارتفاع موج شکنا، عرض منطقه خیزآب ساحلی، سرعت جریان در امتداد ساحل و نرخ انتقال رسوب به دست آمد یک پارامتر خروجی (q) به عنوان یک شبکه، منجر به پاسخ قابل قبول تر و قابل اعتمادتری با مقدار حداکثر مقدار ضریب تبیین 0/99 برای پیش بینی نرخ انتقال رسوب شد. به این ترتیب با استفاده از شبکه عصبی مصنوعی و فرمولهای نیمه تجربی سرک و کامفوس می توان به برآورد دقیق تری از نرخ انتقال رسوب در امتداد ساحل پرداخت.