بررسی دو الگوریتم یادگیری شبکه عصبی مصنوعی در تخمین بار معلق رسوب رودخانه
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,066
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
INCWR01_165
Index date: 24 March 2011
بررسی دو الگوریتم یادگیری شبکه عصبی مصنوعی در تخمین بار معلق رسوب رودخانه abstract
تخمین درست حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت بسیاری برخوردار است. به طورکلی معادلات تجربی زیادی توسط محققین برای برآورد رسوب رودخانه ها پیشنهاد گردیده است . انتقال رسوب و رسوب گذاری، پیامدهایی چون ایجاد جزایر رسوبی در مسیر رودخانه و در نتیجه کاهش ظرفیت انتقال جریان های سیلابی، کاهش عمر مفید سدها و ظرفیت ذخیره مخازن، رسوب گذاری در کف کانال و بسیاری مسائل و مشکلات دیگر را در ب ر دارد . امروزه استفاده از مدل های ریاضی به دلیل ساختار ریاضی کاملاً غیر خطی می تواند جایگزین مناسبی برای مدل های دیگر باشد . تحقیق حاضر بر روی رودخانه بابلرود صورت گرفته است که با استفاده از پارامترهای اندازه گیری شده در ایستگاه هیدرومتری کشتارگاه پارامتر بار معلق رسوبات مدل شده است. بدین منظور پارامترهای روزسال، دبی، اشل سطح آب و غلظت اندازه گیری شده در ایستگاه به عنوان ورودی های مدل در نظر گرفته شده و با استفاده دو الگوریتم یادگیری از مدل شبکه عصبیAlyouda پارامتر بار معلق پیش بینی گردید و در نهایت عملکرد این دو الگوریتم با هم مقایسه گردید
بررسی دو الگوریتم یادگیری شبکه عصبی مصنوعی در تخمین بار معلق رسوب رودخانه Keywords:
بررسی دو الگوریتم یادگیری شبکه عصبی مصنوعی در تخمین بار معلق رسوب رودخانه authors
مرتضی بختیاری
دانشجوی دکتری آبیاری و زهکشی – مهندسین مشاور افراز پیمایش – معاونت م
محمد الماسی
کارشناس ارشد - سازمان آب و برق خوزستان – معاونت حفاظت و بهره برداری منا
نیما شهنی کرم زاده
دانشجوی دکترای سازه های آبی دانشکده مهندسی علوم آب دانشگاه شهید چمرا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :