سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل سازی تخمین رسوبات معلق رودخانه با استفاده از روش شبکه عصبی مصنوعی ( مطالعه موردی: رودخانه دز )

Publish Year: 1399
Type: Conference paper
Language: Persian
View: 436

This Paper With 5 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

LANCONF02_012

Index date: 10 January 2021

مدل سازی تخمین رسوبات معلق رودخانه با استفاده از روش شبکه عصبی مصنوعی ( مطالعه موردی: رودخانه دز ) abstract

در اغلب رودخانه های طبیعی بخش اعظم رسوبات به صورت بار معلق انتقال می یابند. بار معلق به رسوباتی اطلاق می شود که درون آب و بالاتر از لایه بستر در حرکت هستند و به دلیل وزن کم شان، توسط جریان آب به راحتی حمل شده و به دلیل مؤلفه های روبه بالای جریان های متلاطم برای مدت زمان قابل ملاحظه ای به حالت معلق باقی می مانند. رسوبات معلق حمل شده توسط رودخانه ها مشکلات زیادی از جمله رسوبگذاری در مخازن سدها و کاهش حجم مفيد آنها، تغییر مسیر رودخانه به دلیل رسوبگذاری در بستر آنها، کاهش ظرفیت عبور کانال ها و تأسیسات انتقال آب و تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی را به وجود می آورند. امروزه برآورد دقیق میزان رسوب معلق در مسائلی از جمله طراحی مخازن، انتقال رسوب، برآورد آلودگی دریاچه، طراحی کانال ها و لایروبی آنها بعد از سیلابها، تعیین خسارتهای ناشی از رسوبگذاری به محیط زیست و تعیین تأثیرات مدیریت آبخیز مورد نیاز است (ذرتی پور، ۱۳۹۳).به دلیل پر هزینه بودن آزمایشات مربوط به نمونه برداری رسوبات معلق رودخانه ها و همچنین کالیبره نشدن مدل های محاسباتی و پیچیدگی این مدل ها و همچنین پیشرفت روز افزون کاربرد مدل های کامپیوتری در سال های اخیر، استفاده از مدل های جعبه سیاه، رونق یافته است. شبکه های هوشمند عصبی (ANN) و سیستم استنتاج تطبیقی عصبی فازی (ANFIS) دو نمونه بارز از این مدل ها میباشند (معیری، نیکپور، حسین زاده دلیر، فرسادی زاده، ۱۳۸۸).امروزه استفاده از داده های رسوب ایستگاههای هیدرومتری نقش اساسی در پروژه های آبی دارند. مطالعات انجام شده نشان می دهد که کاهش سالانه توانایی ذخیره سدهای جهان به دلیل ته شین شدن رسوبات تقریبا ۰/ ۵ تا ۱ درصد حجم مخزن می باشد که برای بسیاری از سدها این مقدار بالاتر از ۴ تا ۵ درصد بوده و در نتیجه اغلب سدها قسمت اصلی توانایی ذخیره آب خود را در طول ۲۵ تا ۳۰ سال از دست می دهند. بار رسوبی در یک حوضه مقدار خالص از باقی مانده فرایندهای فرسایش و ته نشینی می باشد، در نتیجه از تمام متغیرهایی که فرسایش و تحویل رسوب را کنترل می کنند تأثیر می پذیرد. فرسایش خاک به پستی و بلندی، خاک، آب و هوا و پوشش گیاهی بستگی دارد در حالی که تحویل رسوب از مورفولوژی حوضه، کاربری اراضی و شکل و تراکم شبکه زهکشی تأثیر می پذیرد(خداشناس، قهرمان، داوری، ناظریان، ۱۳۸۴).

مدل سازی تخمین رسوبات معلق رودخانه با استفاده از روش شبکه عصبی مصنوعی ( مطالعه موردی: رودخانه دز ) authors

محمدعلی ساکیانی

دانشگاه علوم و فنون دریایی خرمشهر

هیوا علمیزاده

دانشگاه علوم و فنون دریایی خرمشهر

امین ذرتی پور

دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

مقاله فارسی "مدل سازی تخمین رسوبات معلق رودخانه با استفاده از روش شبکه عصبی مصنوعی ( مطالعه موردی: رودخانه دز )" توسط محمدعلی ساکیانی، دانشگاه علوم و فنون دریایی خرمشهر؛ هیوا علمیزاده، دانشگاه علوم و فنون دریایی خرمشهر؛ امین ذرتی پور، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان نوشته شده و در سال 1399 پس از تایید کمیته علمی دومین کنفرانس ملی صنعت،تجارت و علوم دریایی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هستند. این مقاله در تاریخ 21 دی 1399 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 436 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در اغلب رودخانه های طبیعی بخش اعظم رسوبات به صورت بار معلق انتقال می یابند. بار معلق به رسوباتی اطلاق می شود که درون آب و بالاتر از لایه بستر در حرکت هستند و به دلیل وزن کم شان، توسط جریان آب به راحتی حمل شده و به دلیل مؤلفه های روبه بالای جریان های متلاطم برای مدت زمان قابل ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله مدل سازی تخمین رسوبات معلق رودخانه با استفاده از روش شبکه عصبی مصنوعی ( مطالعه موردی: رودخانه دز ) با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.