شبیهسازی بار رسوب معلق با استفاده از روشهای شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیلرود
Publish place: Watershed Engineering and Management، Vol: 11، Issue: 2
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 193
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWEM-11-2_013
تاریخ نمایه سازی: 25 بهمن 1399
Abstract:
در کشورهای در حال توسعه، بهعلت مشکلات مالی و فنی بهطور معمول دادههای رسوب اندکی اندازهگیری میشوند، لذا، مدلی که بتواند با استفاده از دادههای دبی آب، میزان بار رسوبی را برآورد کند، میتواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدلها در پیشبینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاههای هیدرومتری بالادست رودخانه هلیلرود شامل ایستگاههای هیدرومتری پل بافت، سلطانی، هنجان، چشمه عروس، میدان و کناروئیه انجام شد. در این راستا، کارایی انواع مدلهای مختلف منحنی سنجه رسوب شامل مدلهای یک خطی، دو خطی، روش حد وسط دستهها به تنهایی و نیز با ضرایب اصلاحی CF1،CF2 و FAO و مدلهای جعبه سیاه شامل شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی در شبیهسازی رسوب معلق مورد ارزیابی قرار گرفتند. نتایج حاصل از ارزیابی این مدلها با استفاده از پارامترهای ارزیابی MAE و RMSE با استفاده از دادههای آزمون، حاکی از آن است که مدلهای عصبی-فازی در عمده ایستگاههای هیدرومتری مورد مطالعه، شامل پل بافت، هنجان و کناروئیه با میزان MAE برابر 35.07، 11958.74 و 34235.27 و RMSE بهترتیب برابر 42.07، 28672.78 و 52735.92 تن در روز بهعنوان بهترین روش برای شبیهسازی میزان بار رسوب معلق بهشمار میآیند. همچنین، مدل شبکه عصبی مصنوعی تابع پایه شعاعی در ایستگاه هیدرومتری میدان با میزان MAE برابر 384.83 و RMSE برابر 669 تن در روز، روش منحنی سنجه رسوب دو خطی در ایستگاه چشمه عروس با میزان MAE و RMSE بهترتیب 1.7 و 4.1 تن در روز و روش منحنی سنجه یک خطی با اعمال ضریب اصلاحی CF1 با MAE و RMSE برابر 9723.2 و 41235.6 تن در روز در ایستگاه هیدرومتری سلطانی بهعنوان بهترین مدلها برای شبیهسازی میزان رسوب معلق میباشند.
Keywords:
Authors
صدیقه محمدی
استادیار، گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان